淺析模糊神經(jīng)網(wǎng)絡(luò)ppt課件

1、 引言 一.模糊實(shí)際 二.神經(jīng)網(wǎng)絡(luò) 三.模糊神經(jīng)網(wǎng)絡(luò)“當(dāng)系統(tǒng)的復(fù)雜性添加時(shí)，我們使它準(zhǔn)確化的才干將減小。直到到達(dá)一個(gè)閾值，一旦超越它，復(fù)雜性和準(zhǔn)確性將相互排斥。 模糊數(shù)學(xué)開(kāi)創(chuàng)人L.A.Zadeh教授引言引言雨的大小風(fēng)的強(qiáng)弱人的胖瘦年齡大小個(gè)子高低天氣冷熱 客觀世界的模糊性反映在人腦中，便產(chǎn)生了概念上的模糊性；人巧妙地利用自已建立的模糊概念來(lái)進(jìn)展判別、推理和控制，完成那些現(xiàn)代先進(jìn)設(shè)備所不能完成的任務(wù)： 人們幾乎可以同樣地識(shí)別肥大和瘦小，美麗和丑陋； 人們無(wú)須丈量車速便可明智地躲過(guò)川流不息的車隊(duì)； 一行草書(shū)雖然大異于整齊的印刷字體，卻照樣可以被人看懂。在科學(xué)開(kāi)展的今天，尤其在工程研討設(shè)計(jì)領(lǐng)域，模糊

2、問(wèn)題無(wú)法逃避，要求對(duì)數(shù)據(jù)進(jìn)展定量分析。模糊概念定量分析一.模糊實(shí)際1、模糊實(shí)際 1965年，Zadeh教授發(fā)表論文“模糊集合Fuzzy set，標(biāo)志模糊數(shù)學(xué)的誕生。模糊集合的根本思想是把經(jīng)典集合中的絕對(duì)隸屬關(guān)系靈敏化，即元素對(duì)“集合的隸屬度不再是局限于取0或1，而是可以取從0到1間的任一數(shù)值。用隸屬函數(shù)(Membership Function)來(lái)描寫處于中間過(guò)渡的事物對(duì)差別雙方所具有的傾向性。隸屬度Membership Degree就表示元素隸屬于集合的程度。設(shè)X是論域，映射A(x)：X0,1確定了一個(gè)X上的模糊子集A，A(x)稱為A的隸屬函數(shù)。的隸屬度屬于稱為AxxAXx 1 , 0)(,A

3、xxA完全屬于 1)(AxxA完全不屬于 0)(AxxA部分屬于 1)(0Xx)(xAA1例1,100 , 0XO年老，規(guī)定為： 1 , 0:XO1005055015000)(12xxxxO增大增加，隨著)(xOx18 . 050 6090985. 0)90(O , 0)50(O8 . 0)60( O例2年輕，Y規(guī)定為： 1 , 0:XY100255251251)(12xxxxY減小增加，隨著)(xYx102. 0)60(Y , 1)25(Y5 . 0)30( Y25 305 . 060模糊隸屬度函數(shù)在模糊數(shù)學(xué)中的位置是非常突出的，在對(duì)客觀事物進(jìn)展描畫(huà)和度量的過(guò)程中，通常是用隸屬度函數(shù)來(lái)表示該

4、事物的模糊程度。在構(gòu)造隸屬函的過(guò)程中，應(yīng)該充分思索客觀要素和客觀要素，使隸屬函數(shù)能全面反映事物的本質(zhì)。經(jīng)常運(yùn)用的模糊隸屬函數(shù)主要有三類，分別為三角函數(shù)、梯形函數(shù)和高斯函數(shù)。三角形隸屬函數(shù)三角形隸屬函數(shù)梯形隸屬函數(shù)梯形隸屬函數(shù)高斯形隸屬函數(shù)高斯形隸屬函數(shù)鐘型隸屬函數(shù)鐘型隸屬函數(shù)xccxbbxaaxcbaxtrigbcxcabax 0 0),;(xddxccxbbxaaxdcbaxTrapcdxdabax 0 1 0),(的寬度。決定的中心；代表MFMFcecxgcx ),;(2)(21bacxcbaxbell211),;(隸屬函數(shù)是模糊實(shí)際中的重要概念，實(shí)踐運(yùn)用中經(jīng)常用到以下三類隸屬函數(shù)：1S函

5、數(shù)偏大型隸屬函數(shù)注：(a、b為待定參數(shù))2Z函數(shù)偏小型隸屬函數(shù)這種隸屬函數(shù)可用于表示像年輕、冷、矮、淡等偏向小的一方的模糊景象。 圖：圖：Z函數(shù)函數(shù)3函數(shù)中間型隸屬函數(shù)這種隸屬函數(shù)可用于表示像中年、適中、平均等趨于中間的模糊景象。圖：圖：函數(shù)函數(shù)2 2、模糊系統(tǒng)、模糊系統(tǒng)Fussy SystemFussy System，簡(jiǎn)稱，簡(jiǎn)稱FSFS 許多實(shí)踐的運(yùn)用系統(tǒng)很難用準(zhǔn)確的術(shù)語(yǔ)來(lái)描畫(huà)。如化學(xué)過(guò)程中的“溫度很高、“反響驟然加快等。 模糊系統(tǒng)也稱模糊邏輯系統(tǒng)就是以模糊規(guī)那么為根底而具有模糊信息處置才干的動(dòng)態(tài)模型。2.1 模糊系統(tǒng)的構(gòu)成 模糊系統(tǒng)也稱模糊邏輯系統(tǒng)就是以模糊規(guī)那么為根底而具有模糊信息處置才

6、干的動(dòng)態(tài)模型。它由四部分構(gòu)成，如以下圖：1 1模糊化接口模糊化接口FuzzificationFuzzification模糊化接口主要將檢測(cè)輸入變量的準(zhǔn)確值根據(jù)其模糊度劃分和隸屬度函數(shù)轉(zhuǎn)換成適宜的模糊化接口主要將檢測(cè)輸入變量的準(zhǔn)確值根據(jù)其模糊度劃分和隸屬度函數(shù)轉(zhuǎn)換成適宜的模糊值。模糊值。 為了盡量減少模糊規(guī)那么數(shù)，可對(duì)于檢測(cè)和控制精度要求高的變量劃分多為了盡量減少模糊規(guī)那么數(shù)，可對(duì)于檢測(cè)和控制精度要求高的變量劃分多( (普通普通5 5一一7 7個(gè)個(gè)) )的模糊度，反之那么劃分少的模糊度，反之那么劃分少( (普通普通3 3個(gè)個(gè)) )的模糊度。的模糊度。當(dāng)完成變量的模糊度劃分后，需定義變量各模糊集的

7、隸屬函數(shù)。當(dāng)完成變量的模糊度劃分后，需定義變量各模糊集的隸屬函數(shù)。2知識(shí)庫(kù)知識(shí)庫(kù)knowledge base知識(shí)庫(kù)中存貯著有關(guān)模糊控制器的一切知識(shí)，包含了詳細(xì)運(yùn)用領(lǐng)域中的知識(shí)和要求的控制知識(shí)庫(kù)中存貯著有關(guān)模糊控制器的一切知識(shí)，包含了詳細(xì)運(yùn)用領(lǐng)域中的知識(shí)和要求的控制目的，它們決議著模糊控制器的性能，是模糊控制器的中心。目的，它們決議著模糊控制器的性能，是模糊控制器的中心。 如專家閱歷等。如專家閱歷等。比如：If渾濁度 清，變化率 零，then洗滌時(shí)間 短 If渾濁度 較濁，變化率 小，then洗滌時(shí)間 規(guī)范3模糊推理機(jī)模糊推理機(jī) Fuzzy Inference Engine根據(jù)模糊邏輯法那么把模

8、糊規(guī)那么庫(kù)中的模糊根據(jù)模糊邏輯法那么把模糊規(guī)那么庫(kù)中的模糊“if-then規(guī)那么轉(zhuǎn)換成某種映射。規(guī)那么轉(zhuǎn)換成某種映射。模糊推理，這是模糊控制器的中心，模擬人基于模糊概念的推理才干。模糊推理，這是模糊控制器的中心，模擬人基于模糊概念的推理才干。4反模糊化器反模糊化器Defuzzification 把輸出的模糊量轉(zhuǎn)化為實(shí)踐用于控制的明晰量。把輸出的模糊量轉(zhuǎn)化為實(shí)踐用于控制的明晰量。 按照常見(jiàn)的方式，模糊推理系統(tǒng)可分為: 純模糊邏輯系統(tǒng) 高木-關(guān)野(Takagi-Sugeno)模糊邏輯系統(tǒng) 其他模糊邏輯系統(tǒng)2.2 2.2 模糊系統(tǒng)的分類模糊系統(tǒng)的分類2.2.1 2.2.1 純模糊邏輯系統(tǒng)純模糊邏輯系

9、統(tǒng)純模糊邏輯系統(tǒng)僅由知識(shí)庫(kù)和模糊推理機(jī)組成。其輸入輸出均是模糊集合。純模糊邏輯系統(tǒng)構(gòu)造圖純模糊邏輯系統(tǒng)構(gòu)造圖純模糊邏輯系統(tǒng)的優(yōu)點(diǎn)：提供了一種量化專輯言語(yǔ)信息和在模糊邏輯原那么下系統(tǒng)地純模糊邏輯系統(tǒng)的優(yōu)點(diǎn)：提供了一種量化專輯言語(yǔ)信息和在模糊邏輯原那么下系統(tǒng)地利用這類言語(yǔ)信息的普通化方式；利用這類言語(yǔ)信息的普通化方式；缺陷：輸入輸出均為模糊集合，不易為絕大數(shù)工程系統(tǒng)所運(yùn)用。缺陷：輸入輸出均為模糊集合，不易為絕大數(shù)工程系統(tǒng)所運(yùn)用。2.2.2 2.2.2 高木高木- -關(guān)野模糊系統(tǒng)關(guān)野模糊系統(tǒng)該系統(tǒng)是由日本學(xué)者Takagi和Sugeno提出的，系統(tǒng)輸出為準(zhǔn)確值，也稱為T-S模糊系統(tǒng)或Sugeno系統(tǒng)。

10、舉例：典型的一階Sugeno型模糊規(guī)那么方式如下： 其中： x和y為輸入；A和B為推理前件的模糊集合；z為輸出；p、q、k為常數(shù)。 .x rqypzthenBisyandAisxIf二、神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介二、神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 生物神經(jīng)網(wǎng)絡(luò) 人類的大腦大約有1.41011個(gè)神經(jīng)細(xì)胞，亦稱為神經(jīng)元。每個(gè)神經(jīng)元有數(shù)以千計(jì)的通道同其它神經(jīng)元廣泛相互銜接，構(gòu)成復(fù)雜的生物神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò) 以數(shù)學(xué)和物理方法以及信息處置的角度對(duì)人腦神經(jīng)網(wǎng)絡(luò)進(jìn)展籠統(tǒng)，并建立某種簡(jiǎn)化模型，就稱為人工神經(jīng)網(wǎng)絡(luò)Artificial Neural Network，縮寫 ANN。1.人工神經(jīng)網(wǎng)絡(luò)定義神經(jīng)網(wǎng)絡(luò)是由多個(gè)非常簡(jiǎn)單的處置單元彼此按某

11、種方式相互銜接而構(gòu)成的計(jì)算系統(tǒng)，該系統(tǒng)是靠其形狀對(duì)外部輸入信息的動(dòng)態(tài)呼應(yīng)來(lái)處置信息的。人工神經(jīng)網(wǎng)絡(luò)是一個(gè)由許多簡(jiǎn)單的并行任務(wù)的處置單元組成的系統(tǒng)，其功能取決于網(wǎng)絡(luò)的構(gòu)造、銜接強(qiáng)度以及各單元的處置方式。人工神經(jīng)網(wǎng)絡(luò)是一種旨在模擬人腦構(gòu)造及其功能的信息處置系統(tǒng)。人腦與計(jì)算機(jī)信息處置才干的比較記憶與聯(lián)想才干學(xué)習(xí)與認(rèn)知才干信息加工才干信息綜合才干信息處置速度 存存儲(chǔ)儲(chǔ)器器 指指令令 輸輸入入設(shè)設(shè)備備 運(yùn)運(yùn)算算器器 輸輸出出設(shè)設(shè)備備 控控制制器器馮馮.諾諾依依曼曼體體系系計(jì)計(jì)算算機(jī)機(jī)人腦與計(jì)算機(jī)信息處置機(jī)制的比較系統(tǒng)構(gòu)造信號(hào)方式信息存儲(chǔ)信息處置機(jī)制2.神經(jīng)網(wǎng)絡(luò)的根本特征才干特征：自學(xué)習(xí)自組織自順應(yīng)性構(gòu)造

12、特征：構(gòu)造特征：并行式處置并行式處置分布式存儲(chǔ)分布式存儲(chǔ)容錯(cuò)性容錯(cuò)性聯(lián)想聯(lián)想記憶記憶功能功能3.神經(jīng)網(wǎng)絡(luò)的根本功能輸輸入入樣樣本本 神神經(jīng)經(jīng)網(wǎng)網(wǎng)絡(luò)絡(luò) 輸輸出出樣樣本本 自自動(dòng)動(dòng)提提取取 非非線線性性映映射射規(guī)規(guī)則則非線性映射功能非線性映射功能 傳統(tǒng)分類能力傳統(tǒng)分類能力 ANN 分類能力分類能力分類與識(shí)別功能分類與識(shí)別功能優(yōu)化計(jì)算功能優(yōu)化計(jì)算功能知識(shí)處置功能知識(shí)處置功能 問(wèn)問(wèn) 題題 解解 答答 知知 識(shí)識(shí) 分分 布布 式式 表表 示示 由由 同同 一一 知知 識(shí)識(shí) 獲獲 取取 、 知知 識(shí)識(shí) 庫(kù)庫(kù) 神神 經(jīng)經(jīng) 網(wǎng)網(wǎng) 平平 行行 推推 理理 絡(luò)絡(luò) 實(shí)實(shí) 現(xiàn)現(xiàn) 輸輸 入入 數(shù)數(shù) 據(jù)據(jù) 變變 量量 變

13、變 換換 求求 解解 的的 問(wèn)問(wèn) 題題 神神 經(jīng)經(jīng) 網(wǎng)網(wǎng) 絡(luò)絡(luò) 專專 家家 系系 統(tǒng)統(tǒng) 的的 構(gòu)構(gòu) 成成神經(jīng)網(wǎng)絡(luò)的軟硬件實(shí)現(xiàn)MATLAB的推出得到了各個(gè)領(lǐng)域的專家學(xué)者的廣泛關(guān)注，在此根底上，專家們相繼推出了MATLAB工具箱，主要包括信號(hào)處置、控制系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、圖像處置、魯棒控制、非線性系統(tǒng)控制設(shè)計(jì)、系統(tǒng)辨識(shí)、最優(yōu)化、模糊邏輯、小波等工具箱，這些工具箱給各個(gè)領(lǐng)域的研討和工程運(yùn)用提供了有力的工具。4. 4. 模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的區(qū)別與聯(lián)絡(luò)模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的區(qū)別與聯(lián)絡(luò)(1)從知識(shí)的表達(dá)方式來(lái)看模糊系統(tǒng)可以表達(dá)人的閱歷性知識(shí)，便于了解，而神經(jīng)網(wǎng)絡(luò)只能描畫(huà)大量數(shù)據(jù)之間的復(fù)雜函數(shù)關(guān)系，難于了解。(2

14、)從知識(shí)的存儲(chǔ)方式來(lái)看模糊系統(tǒng)將知識(shí)存在規(guī)那么集中，神經(jīng)網(wǎng)絡(luò)將知識(shí)存在權(quán)系數(shù)中，都具有分布存儲(chǔ)的特點(diǎn)。(3)從知識(shí)的運(yùn)用方式來(lái)看模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)都具有并行處置的特點(diǎn)，模糊系統(tǒng)同時(shí)激活的規(guī)那么不多，計(jì)算量小，而神經(jīng)網(wǎng)絡(luò)涉及的神經(jīng)元很多，計(jì)算量大。(4)從知識(shí)的獲取方式來(lái)看模糊系統(tǒng)的規(guī)那么靠專家提供或設(shè)計(jì)，難于自動(dòng)獲取而神經(jīng)網(wǎng)絡(luò)的權(quán)系數(shù)可由輸入輸出樣本中學(xué)習(xí)，無(wú)需人來(lái)設(shè)置。 將兩者結(jié)合起來(lái)，在處置大規(guī)模的模糊運(yùn)用問(wèn)題方面將表現(xiàn)出優(yōu)良的效果。將兩者結(jié)合起來(lái)，在處置大規(guī)模的模糊運(yùn)用問(wèn)題方面將表現(xiàn)出優(yōu)良的效果。 三三. .模糊神經(jīng)網(wǎng)絡(luò)？模糊神經(jīng)網(wǎng)絡(luò)？1 1、模糊神經(jīng)網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò)FNNFNN 模糊

15、神經(jīng)網(wǎng)絡(luò)模糊神經(jīng)網(wǎng)絡(luò)Fuzzy Neural NetworkFuzzy Neural Network，簡(jiǎn)稱，簡(jiǎn)稱FNNFNN將模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)相結(jié)合，將模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)相結(jié)合，充分思索了二者的互補(bǔ)性，集邏輯推理、言語(yǔ)計(jì)算、非線性動(dòng)力學(xué)于一體，具有學(xué)習(xí)、充分思索了二者的互補(bǔ)性，集邏輯推理、言語(yǔ)計(jì)算、非線性動(dòng)力學(xué)于一體，具有學(xué)習(xí)、聯(lián)想、識(shí)別、自順應(yīng)和模糊信息處置才干等功能。聯(lián)想、識(shí)別、自順應(yīng)和模糊信息處置才干等功能。 其本質(zhì)就是將常規(guī)的神經(jīng)網(wǎng)絡(luò)輸入模糊輸入信號(hào)和模糊權(quán)值。其本質(zhì)就是將常規(guī)的神經(jīng)網(wǎng)絡(luò)輸入模糊輸入信號(hào)和模糊權(quán)值。 l在模糊神經(jīng)網(wǎng)絡(luò)中，神經(jīng)網(wǎng)絡(luò)的輸入、輸出節(jié)點(diǎn)用來(lái)表示模糊系統(tǒng)的輸入、

16、輸出信號(hào)，在模糊神經(jīng)網(wǎng)絡(luò)中，神經(jīng)網(wǎng)絡(luò)的輸入、輸出節(jié)點(diǎn)用來(lái)表示模糊系統(tǒng)的輸入、輸出信號(hào)，神經(jīng)網(wǎng)絡(luò)的隱含節(jié)點(diǎn)用來(lái)表示隸屬函數(shù)和模糊規(guī)那么，利用神經(jīng)網(wǎng)絡(luò)的并行處置才干神經(jīng)網(wǎng)絡(luò)的隱含節(jié)點(diǎn)用來(lái)表示隸屬函數(shù)和模糊規(guī)那么，利用神經(jīng)網(wǎng)絡(luò)的并行處置才干使得模糊系統(tǒng)的推理才干大大提高。使得模糊系統(tǒng)的推理才干大大提高。 模糊神經(jīng)網(wǎng)絡(luò)的三種方式：模糊神經(jīng)網(wǎng)絡(luò)的三種方式：基于模糊算子的模糊神經(jīng)網(wǎng)絡(luò),主要是指網(wǎng)絡(luò)輸入輸出和銜接權(quán)全部或部分采用模糊實(shí)數(shù),計(jì)算節(jié)點(diǎn)輸出的權(quán)相加采用模糊算子的模糊神經(jīng)網(wǎng)絡(luò)模糊化神經(jīng)網(wǎng)絡(luò),是指網(wǎng)絡(luò)的輸入輸出及銜接權(quán)均為模糊集,可以將其視為一種純模糊系統(tǒng)，模糊集輸入經(jīng)過(guò)系統(tǒng)內(nèi)部的模糊集關(guān)系而產(chǎn)生模糊

17、輸出。模糊推理網(wǎng)絡(luò)是模糊模型的神經(jīng)網(wǎng)絡(luò)的一種實(shí)現(xiàn)，是一種多層前向網(wǎng)絡(luò)。模糊推理網(wǎng)絡(luò)的可調(diào)參數(shù)普通是非線性的，并且可調(diào)參數(shù)眾多，具有強(qiáng)大的自學(xué)習(xí)功能，可以用作離線辨識(shí)的有效工具。但是模糊推理網(wǎng)絡(luò)計(jì)算量大，只適宜離線運(yùn)用。自順應(yīng)性較差。2. 2. 典型模糊神經(jīng)網(wǎng)絡(luò)的構(gòu)造典型模糊神經(jīng)網(wǎng)絡(luò)的構(gòu)造模糊系統(tǒng)的規(guī)那么集和隸屬度函數(shù)等設(shè)計(jì)參數(shù)只能靠設(shè)計(jì)閱歷來(lái)選擇，利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法，根據(jù)輸入輸出的學(xué)習(xí)樣本自動(dòng)設(shè)計(jì)和調(diào)整模糊系統(tǒng)的設(shè)計(jì)參數(shù)，實(shí)現(xiàn)模糊系統(tǒng)的自學(xué)習(xí)和自順應(yīng)功能。構(gòu)造上像神經(jīng)網(wǎng)絡(luò)，功能上是模糊系統(tǒng)，這是目前研討和運(yùn)用最多的一類模糊神經(jīng)網(wǎng)絡(luò)。 該網(wǎng)絡(luò)共分該網(wǎng)絡(luò)共分5 5層，是根據(jù)模糊系統(tǒng)的任務(wù)過(guò)程來(lái)

18、設(shè)計(jì)的，是神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的模糊推理層，是根據(jù)模糊系統(tǒng)的任務(wù)過(guò)程來(lái)設(shè)計(jì)的，是神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的模糊推理系統(tǒng)。第二層的隸屬函數(shù)參數(shù)和三、四層間及四、五層間的銜接權(quán)是可以調(diào)整的。系統(tǒng)。第二層的隸屬函數(shù)參數(shù)和三、四層間及四、五層間的銜接權(quán)是可以調(diào)整的。模糊實(shí)際的運(yùn)用普通以模糊系統(tǒng)的方式呈現(xiàn)出來(lái)，模糊神經(jīng)網(wǎng)絡(luò)也可以看作是一個(gè)模糊系統(tǒng)。模糊系統(tǒng)模糊神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)的輸入、輸出節(jié)點(diǎn)網(wǎng)絡(luò)的輸入、輸出節(jié)點(diǎn)訓(xùn)練樣本訓(xùn)練樣本網(wǎng)絡(luò)的隱含層網(wǎng)絡(luò)的隱含層輸入信息的模糊化處輸入信息的模糊化處置和輸出信息的反模置和輸出信息的反模糊化處置糊化處置輸入、輸出信號(hào)輸入、輸出信號(hào)知識(shí)庫(kù)知識(shí)庫(kù)模糊推理機(jī)模糊推理機(jī)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經(jīng)網(wǎng)絡(luò)構(gòu)造典型的模糊神經(jīng)網(wǎng)絡(luò)構(gòu)造第一層為輸入層，為準(zhǔn)確值。節(jié)點(diǎn)個(gè)數(shù)為輸入變量的個(gè)數(shù)。典型的模糊神經(jīng)網(wǎng)絡(luò)構(gòu)造典型的模糊神經(jīng)網(wǎng)絡(luò)構(gòu)造第二層為輸入變量的隸屬函數(shù)層，實(shí)現(xiàn)輸入變量的模糊化。21() 1,2,.,iiAOxim22()