浅析模糊神经网络ppt课件

1、 引言 一.模糊实际 二.神经网络 三.模糊神经网络“当系统的复杂性添加时，我们使它准确化的才干将减小。直到到达一个阈值，一旦超越它，复杂性和准确性将相互排斥。 模糊数学开创人L.A.Zadeh教授引言引言雨的大小风的强弱人的胖瘦年龄大小个子高低天气冷热 客观世界的模糊性反映在人脑中，便产生了概念上的模糊性；人巧妙地利用自已建立的模糊概念来进展判别、推理和控制，完成那些现代先进设备所不能完成的任务： 人们几乎可以同样地识别肥大和瘦小，美丽和丑陋； 人们无须丈量车速便可明智地躲过川流不息的车队； 一行草书虽然大异于整齐的印刷字体，却照样可以被人看懂。在科学开展的今天，尤其在工程研讨设计领域，模糊

2、问题无法逃避，要求对数据进展定量分析。模糊概念定量分析一.模糊实际1、模糊实际 1965年，Zadeh教授发表论文“模糊集合Fuzzy set，标志模糊数学的诞生。模糊集合的根本思想是把经典集合中的绝对隶属关系灵敏化，即元素对“集合的隶属度不再是局限于取0或1，而是可以取从0到1间的任一数值。用隶属函数(Membership Function)来描写处于中间过渡的事物对差别双方所具有的倾向性。隶属度Membership Degree就表示元素隶属于集合的程度。设X是论域，映射A(x)：X0,1确定了一个X上的模糊子集A，A(x)称为A的隶属函数。的隶属度属于称为AxxAXx 1 , 0)(,A

3、xxA完全属于 1)(AxxA完全不属于 0)(AxxA部分属于 1)(0Xx)(xAA1例1,100 , 0XO年老，规定为： 1 , 0:XO1005055015000)(12xxxxO增大增加，随着)(xOx18 . 050 6090985. 0)90(O , 0)50(O8 . 0)60( O例2年轻，Y规定为： 1 , 0:XY100255251251)(12xxxxY减小增加，随着)(xYx102. 0)60(Y , 1)25(Y5 . 0)30( Y25 305 . 060模糊隶属度函数在模糊数学中的位置是非常突出的，在对客观事物进展描画和度量的过程中，通常是用隶属度函数来表示该

4、事物的模糊程度。在构造隶属函的过程中，应该充分思索客观要素和客观要素，使隶属函数能全面反映事物的本质。经常运用的模糊隶属函数主要有三类，分别为三角函数、梯形函数和高斯函数。三角形隶属函数三角形隶属函数梯形隶属函数梯形隶属函数高斯形隶属函数高斯形隶属函数钟型隶属函数钟型隶属函数xccxbbxaaxcbaxtrigbcxcabax 0 0),;(xddxccxbbxaaxdcbaxTrapcdxdabax 0 1 0),(的宽度。决定的中心；代表MFMFcecxgcx ),;(2)(21bacxcbaxbell211),;(隶属函数是模糊实际中的重要概念，实践运用中经常用到以下三类隶属函数：1S函

5、数偏大型隶属函数注：(a、b为待定参数)2Z函数偏小型隶属函数这种隶属函数可用于表示像年轻、冷、矮、淡等偏向小的一方的模糊景象。 图：图：Z函数函数3函数中间型隶属函数这种隶属函数可用于表示像中年、适中、平均等趋于中间的模糊景象。图：图：函数函数2 2、模糊系统、模糊系统Fussy SystemFussy System，简称，简称FSFS 许多实践的运用系统很难用准确的术语来描画。如化学过程中的“温度很高、“反响骤然加快等。 模糊系统也称模糊逻辑系统就是以模糊规那么为根底而具有模糊信息处置才干的动态模型。2.1 模糊系统的构成 模糊系统也称模糊逻辑系统就是以模糊规那么为根底而具有模糊信息处置才

6、干的动态模型。它由四部分构成，如以下图：1 1模糊化接口模糊化接口FuzzificationFuzzification模糊化接口主要将检测输入变量的准确值根据其模糊度划分和隶属度函数转换成适宜的模糊化接口主要将检测输入变量的准确值根据其模糊度划分和隶属度函数转换成适宜的模糊值。模糊值。 为了尽量减少模糊规那么数，可对于检测和控制精度要求高的变量划分多为了尽量减少模糊规那么数，可对于检测和控制精度要求高的变量划分多( (普通普通5 5一一7 7个个) )的模糊度，反之那么划分少的模糊度，反之那么划分少( (普通普通3 3个个) )的模糊度。的模糊度。当完成变量的模糊度划分后，需定义变量各模糊集的

7、隶属函数。当完成变量的模糊度划分后，需定义变量各模糊集的隶属函数。2知识库知识库knowledge base知识库中存贮着有关模糊控制器的一切知识，包含了详细运用领域中的知识和要求的控制知识库中存贮着有关模糊控制器的一切知识，包含了详细运用领域中的知识和要求的控制目的，它们决议着模糊控制器的性能，是模糊控制器的中心。目的，它们决议着模糊控制器的性能，是模糊控制器的中心。 如专家阅历等。如专家阅历等。比如：If浑浊度 清，变化率 零，then洗涤时间 短 If浑浊度 较浊，变化率 小，then洗涤时间 规范3模糊推理机模糊推理机 Fuzzy Inference Engine根据模糊逻辑法那么把模

8、糊规那么库中的模糊根据模糊逻辑法那么把模糊规那么库中的模糊“if-then规那么转换成某种映射。规那么转换成某种映射。模糊推理，这是模糊控制器的中心，模拟人基于模糊概念的推理才干。模糊推理，这是模糊控制器的中心，模拟人基于模糊概念的推理才干。4反模糊化器反模糊化器Defuzzification 把输出的模糊量转化为实践用于控制的明晰量。把输出的模糊量转化为实践用于控制的明晰量。 按照常见的方式，模糊推理系统可分为: 纯模糊逻辑系统 高木-关野(Takagi-Sugeno)模糊逻辑系统 其他模糊逻辑系统2.2 2.2 模糊系统的分类模糊系统的分类2.2.1 2.2.1 纯模糊逻辑系统纯模糊逻辑系

9、统纯模糊逻辑系统仅由知识库和模糊推理机组成。其输入输出均是模糊集合。纯模糊逻辑系统构造图纯模糊逻辑系统构造图纯模糊逻辑系统的优点：提供了一种量化专辑言语信息和在模糊逻辑原那么下系统地纯模糊逻辑系统的优点：提供了一种量化专辑言语信息和在模糊逻辑原那么下系统地利用这类言语信息的普通化方式；利用这类言语信息的普通化方式；缺陷：输入输出均为模糊集合，不易为绝大数工程系统所运用。缺陷：输入输出均为模糊集合，不易为绝大数工程系统所运用。2.2.2 2.2.2 高木高木- -关野模糊系统关野模糊系统该系统是由日本学者Takagi和Sugeno提出的，系统输出为准确值，也称为T-S模糊系统或Sugeno系统。

10、举例：典型的一阶Sugeno型模糊规那么方式如下： 其中： x和y为输入；A和B为推理前件的模糊集合；z为输出；p、q、k为常数。 .x rqypzthenBisyandAisxIf二、神经网络简介二、神经网络简介 生物神经网络 人类的大脑大约有1.41011个神经细胞，亦称为神经元。每个神经元有数以千计的通道同其它神经元广泛相互衔接，构成复杂的生物神经网络。人工神经网络 以数学和物理方法以及信息处置的角度对人脑神经网络进展笼统，并建立某种简化模型，就称为人工神经网络Artificial Neural Network，缩写 ANN。1.人工神经网络定义神经网络是由多个非常简单的处置单元彼此按某

11、种方式相互衔接而构成的计算系统，该系统是靠其形状对外部输入信息的动态呼应来处置信息的。人工神经网络是一个由许多简单的并行任务的处置单元组成的系统，其功能取决于网络的构造、衔接强度以及各单元的处置方式。人工神经网络是一种旨在模拟人脑构造及其功能的信息处置系统。人脑与计算机信息处置才干的比较记忆与联想才干学习与认知才干信息加工才干信息综合才干信息处置速度 存存储储器器 指指令令 输输入入设设备备 运运算算器器 输输出出设设备备 控控制制器器冯冯.诺诺依依曼曼体体系系计计算算机机人脑与计算机信息处置机制的比较系统构造信号方式信息存储信息处置机制2.神经网络的根本特征才干特征：自学习自组织自顺应性构造

12、特征：构造特征：并行式处置并行式处置分布式存储分布式存储容错性容错性联想联想记忆记忆功能功能3.神经网络的根本功能输输入入样样本本 神神经经网网络络 输输出出样样本本 自自动动提提取取 非非线线性性映映射射规规则则非线性映射功能非线性映射功能 传统分类能力传统分类能力 ANN 分类能力分类能力分类与识别功能分类与识别功能优化计算功能优化计算功能知识处置功能知识处置功能 问问 题题 解解 答答 知知 识识 分分 布布 式式 表表 示示 由由 同同 一一 知知 识识 获获 取取 、 知知 识识 库库 神神 经经 网网 平平 行行 推推 理理 络络 实实 现现 输输 入入 数数 据据 变变 量量 变

13、变 换换 求求 解解 的的 问问 题题 神神 经经 网网 络络 专专 家家 系系 统统 的的 构构 成成神经网络的软硬件实现MATLAB的推出得到了各个领域的专家学者的广泛关注，在此根底上，专家们相继推出了MATLAB工具箱，主要包括信号处置、控制系统、神经网络、图像处置、鲁棒控制、非线性系统控制设计、系统辨识、最优化、模糊逻辑、小波等工具箱，这些工具箱给各个领域的研讨和工程运用提供了有力的工具。4. 4. 模糊系统与神经网络的区别与联络模糊系统与神经网络的区别与联络(1)从知识的表达方式来看模糊系统可以表达人的阅历性知识，便于了解，而神经网络只能描画大量数据之间的复杂函数关系，难于了解。(2

14、)从知识的存储方式来看模糊系统将知识存在规那么集中，神经网络将知识存在权系数中，都具有分布存储的特点。(3)从知识的运用方式来看模糊系统和神经网络都具有并行处置的特点，模糊系统同时激活的规那么不多，计算量小，而神经网络涉及的神经元很多，计算量大。(4)从知识的获取方式来看模糊系统的规那么靠专家提供或设计，难于自动获取而神经网络的权系数可由输入输出样本中学习，无需人来设置。 将两者结合起来，在处置大规模的模糊运用问题方面将表现出优良的效果。将两者结合起来，在处置大规模的模糊运用问题方面将表现出优良的效果。 三三. .模糊神经网络？模糊神经网络？1 1、模糊神经网络、模糊神经网络FNNFNN 模糊

15、神经网络模糊神经网络Fuzzy Neural NetworkFuzzy Neural Network，简称，简称FNNFNN将模糊系统和神经网络相结合，将模糊系统和神经网络相结合，充分思索了二者的互补性，集逻辑推理、言语计算、非线性动力学于一体，具有学习、充分思索了二者的互补性，集逻辑推理、言语计算、非线性动力学于一体，具有学习、联想、识别、自顺应和模糊信息处置才干等功能。联想、识别、自顺应和模糊信息处置才干等功能。 其本质就是将常规的神经网络输入模糊输入信号和模糊权值。其本质就是将常规的神经网络输入模糊输入信号和模糊权值。 l在模糊神经网络中，神经网络的输入、输出节点用来表示模糊系统的输入、

16、输出信号，在模糊神经网络中，神经网络的输入、输出节点用来表示模糊系统的输入、输出信号，神经网络的隐含节点用来表示隶属函数和模糊规那么，利用神经网络的并行处置才干神经网络的隐含节点用来表示隶属函数和模糊规那么，利用神经网络的并行处置才干使得模糊系统的推理才干大大提高。使得模糊系统的推理才干大大提高。 模糊神经网络的三种方式：模糊神经网络的三种方式：基于模糊算子的模糊神经网络,主要是指网络输入输出和衔接权全部或部分采用模糊实数,计算节点输出的权相加采用模糊算子的模糊神经网络模糊化神经网络,是指网络的输入输出及衔接权均为模糊集,可以将其视为一种纯模糊系统，模糊集输入经过系统内部的模糊集关系而产生模糊

17、输出。模糊推理网络是模糊模型的神经网络的一种实现，是一种多层前向网络。模糊推理网络的可调参数普通是非线性的，并且可调参数众多，具有强大的自学习功能，可以用作离线辨识的有效工具。但是模糊推理网络计算量大，只适宜离线运用。自顺应性较差。2. 2. 典型模糊神经网络的构造典型模糊神经网络的构造模糊系统的规那么集和隶属度函数等设计参数只能靠设计阅历来选择，利用神经网络的学习方法，根据输入输出的学习样本自动设计和调整模糊系统的设计参数，实现模糊系统的自学习和自顺应功能。构造上像神经网络，功能上是模糊系统，这是目前研讨和运用最多的一类模糊神经网络。 该网络共分该网络共分5 5层，是根据模糊系统的任务过程来

18、设计的，是神经网络实现的模糊推理层，是根据模糊系统的任务过程来设计的，是神经网络实现的模糊推理系统。第二层的隶属函数参数和三、四层间及四、五层间的衔接权是可以调整的。系统。第二层的隶属函数参数和三、四层间及四、五层间的衔接权是可以调整的。模糊实际的运用普通以模糊系统的方式呈现出来，模糊神经网络也可以看作是一个模糊系统。模糊系统模糊神经网络网络的输入、输出节点网络的输入、输出节点训练样本训练样本网络的隐含层网络的隐含层输入信息的模糊化处输入信息的模糊化处置和输出信息的反模置和输出信息的反模糊化处置糊化处置输入、输出信号输入、输出信号知识库知识库模糊推理机模糊推理机模糊化接口和反模糊化接口模糊化接口和反模糊化接口典型的模糊神经网络构造典型的模糊神经网络构造第一层为输入层，为准确值。节点个数为输入变量的个数。典型的模糊神经网络构造典型的模糊神经网络构造第二层为输入变量的隶属函数层，实现输入变量的模糊化。21() 1,2,.,iiAOxim22()