自適應(yīng)模糊神經(jīng)推理系統(tǒng)

? ? 人工神經(jīng)網(wǎng)絡(luò)有較強的自學習和自適應(yīng)能力，但它類似一個黑箱，缺少透明度，不能很好地表達人腦的推理功能，而模糊系統(tǒng)本身沒有自適應(yīng)能力，限制了其應(yīng)用。

? ?自適應(yīng)模糊神經(jīng)推理系統(tǒng)(Adaptive Neuro-FuzzyInference System)也稱為基于網(wǎng)絡(luò)的自適應(yīng)模糊推理系統(tǒng)(Adaptive Network-based Fuzzy Inference System)，簡稱ANFIS，1993年由學者Jang Roger提出。它融合了神經(jīng)網(wǎng)絡(luò)的學習機制和模糊系統(tǒng)的語言推理能力等優(yōu)點，彌補各自不足，屬于神經(jīng)模糊系統(tǒng)的一種。同其他神經(jīng)模糊系統(tǒng)相比，ANFIS具有便捷高效的特點，因而已被收入了MATLAB的模糊邏輯工具箱，并已在多個領(lǐng)域得到了成功應(yīng)用。

典型的ANFIS的結(jié)構(gòu)如下圖所示，

為了實現(xiàn)T-S模糊模型的學習過程，一般將其轉(zhuǎn)化為一個自適應(yīng)網(wǎng)絡(luò)，即自適應(yīng)模糊神經(jīng)推理系統(tǒng)，如圖。

該自適應(yīng)網(wǎng)絡(luò)是一個多層前饋網(wǎng)絡(luò)，其中的方形節(jié)點需要進行參數(shù)學習。

（第一層為輸入變量的隸屬函數(shù)層）

?

給定前件參數(shù)后，自適應(yīng)模糊神經(jīng)推理系統(tǒng)的輸出可以表示成后件參數(shù)的線性組合：

? ??因此ANFIS可以通過BP算法或BP算法和最小二乘估計法的混合算法來進行學習，來調(diào)整系統(tǒng)的前件和后件參數(shù)。在混合算法中，前向階段計算到第四層，然后用LSE辨識后件參數(shù)。反向階段誤差信號反向傳遞，用BP法更新前件參數(shù)。

? ? 當前件參數(shù)固定時，用LSE法辨識的后件參數(shù)是最優(yōu)的。采用混合法可以減少BP法的搜索空間尺度，從而提高ANFIS的訓練速度。

? （在網(wǎng)絡(luò)的的前向?qū)W習過程中，采用n組訓練數(shù)據(jù)的輸入值，求得參數(shù)值及輸出值，n個值按最小二乘法原則計算計算值與訓練數(shù)據(jù)原期望誤差值，并將此誤差值反向傳回，按最大梯度法修正前提參數(shù)，在改變這些參數(shù)的過程中不斷實現(xiàn)對隸屬函數(shù)圖形的修改，以期在設(shè)定的循環(huán)過程中達到輸出誤差值最小的目的。）

?

? ? 自適應(yīng)網(wǎng)絡(luò)模糊推理系統(tǒng)實現(xiàn)了模糊邏輯推理與神經(jīng)網(wǎng)絡(luò)的結(jié)合，因而這種結(jié)構(gòu)形式同時具有模糊邏輯易于表達人類知識和神經(jīng)網(wǎng)絡(luò)的分布式信息存儲及學習能力的優(yōu)點，是智能學科的重要發(fā)展，為工程信息的處理提供了新的有效方法。

總結(jié)

以上是生活随笔為你收集整理的模糊神经网络系统2的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。