第3章 模糊神經(jīng)網(wǎng)絡(luò)簡介(3)

1、模糊神經(jīng)網(wǎng)絡(luò)模糊神經(jīng)網(wǎng)絡(luò)2模糊神經(jīng)網(wǎng)絡(luò)模糊神經(jīng)網(wǎng)絡(luò) 是一種集模糊邏輯推理的強(qiáng)大結(jié)構(gòu)性知識表達(dá)能力與神經(jīng)網(wǎng)絡(luò)強(qiáng)大是一種集模糊邏輯推理的強(qiáng)大結(jié)構(gòu)性知識表達(dá)能力與神經(jīng)網(wǎng)絡(luò)強(qiáng)大自學(xué)習(xí)能力于一體的新技術(shù)。自學(xué)習(xí)能力于一體的新技術(shù)。 （1）神）神經(jīng)元、模糊模型經(jīng)元、模糊模型 以模糊控制為主體，用神經(jīng)元網(wǎng)以模糊控制為主體，用神經(jīng)元網(wǎng)絡(luò)實(shí)現(xiàn)模糊控制決策，以模糊控制方絡(luò)實(shí)現(xiàn)模糊控制決策，以模糊控制方法為法為“樣本樣本”，對神經(jīng)網(wǎng)絡(luò)進(jìn)行離線，對神經(jīng)網(wǎng)絡(luò)進(jìn)行離線訓(xùn)練學(xué)習(xí)。訓(xùn)練學(xué)習(xí)?！皹颖緲颖尽本褪菍W(xué)習(xí)的就是學(xué)習(xí)的“教教師師”。 所有樣本學(xué)習(xí)完后，這個神經(jīng)元所有樣本學(xué)習(xí)完后，這個神經(jīng)元網(wǎng)絡(luò)，就是一個聰明、靈活的模糊規(guī)

2、網(wǎng)絡(luò)，就是一個聰明、靈活的模糊規(guī)則表，具有自學(xué)習(xí)、自適應(yīng)功能。則表，具有自學(xué)習(xí)、自適應(yīng)功能。 1、神經(jīng)元網(wǎng)絡(luò)與模糊技術(shù)的幾種結(jié)合方式神經(jīng)元網(wǎng)絡(luò)與模糊技術(shù)的幾種結(jié)合方式3（2）模糊、神經(jīng)模型）模糊、神經(jīng)模型 以神經(jīng)網(wǎng)絡(luò)為主體，將輸入空間分割成若干不同型式的模糊推論以神經(jīng)網(wǎng)絡(luò)為主體，將輸入空間分割成若干不同型式的模糊推論組合，對系統(tǒng)先進(jìn)行模糊邏輯判斷，以模糊控制器輸出作為神經(jīng)元網(wǎng)組合，對系統(tǒng)先進(jìn)行模糊邏輯判斷，以模糊控制器輸出作為神經(jīng)元網(wǎng)絡(luò)的輸入絡(luò)的輸入（串）（串）。 后者具有自學(xué)習(xí)的智能控制特性。后者具有自學(xué)習(xí)的智能控制特性。 模糊神經(jīng)網(wǎng)絡(luò)模糊神經(jīng)網(wǎng)絡(luò)4模糊神經(jīng)網(wǎng)絡(luò)模糊神經(jīng)網(wǎng)絡(luò)（3）神經(jīng)與模糊模

3、型）神經(jīng)與模糊模型 根據(jù)輸入量的不同性質(zhì)分別由神經(jīng)網(wǎng)絡(luò)與模糊控制直接處理輸入根據(jù)輸入量的不同性質(zhì)分別由神經(jīng)網(wǎng)絡(luò)與模糊控制直接處理輸入信息，并作用于控制對象信息，并作用于控制對象（并）（并），更能發(fā)揮各自的控制特點(diǎn)。，更能發(fā)揮各自的控制特點(diǎn)。 （4）在結(jié)構(gòu)上將二者融為一體）在結(jié)構(gòu)上將二者融為一體 構(gòu)成模糊神經(jīng)網(wǎng)絡(luò)，利用神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)模糊推理，構(gòu)成模糊神經(jīng)網(wǎng)絡(luò)，利用神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)模糊推理，在本質(zhì)上是在本質(zhì)上是模糊系統(tǒng)的實(shí)現(xiàn)。模糊系統(tǒng)的實(shí)現(xiàn)。5模糊神經(jīng)網(wǎng)絡(luò)模糊神經(jīng)網(wǎng)絡(luò)1）模糊神經(jīng)網(wǎng)絡(luò)雖然也是局部逼近網(wǎng)絡(luò)，但是它是按照）模糊神經(jīng)網(wǎng)絡(luò)雖然也是局部逼近網(wǎng)絡(luò)，但是它是按照模糊系統(tǒng)模型建立的，網(wǎng)絡(luò)中的各個結(jié)點(diǎn)

4、及所有參數(shù)均模糊系統(tǒng)模型建立的，網(wǎng)絡(luò)中的各個結(jié)點(diǎn)及所有參數(shù)均有有明顯的物理意義，明顯的物理意義，因此這些參數(shù)的初值可根據(jù)模糊系統(tǒng)的因此這些參數(shù)的初值可根據(jù)模糊系統(tǒng)的定性知識加以確定，經(jīng)過上述學(xué)習(xí)算法的訓(xùn)練，收斂后的定性知識加以確定，經(jīng)過上述學(xué)習(xí)算法的訓(xùn)練，收斂后的網(wǎng)絡(luò)能夠滿足系統(tǒng)所要求的輸入輸出關(guān)系，這是模糊神經(jīng)網(wǎng)絡(luò)能夠滿足系統(tǒng)所要求的輸入輸出關(guān)系，這是模糊神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)同單純神經(jīng)網(wǎng)絡(luò)相比其優(yōu)點(diǎn)所在。同單純神經(jīng)網(wǎng)絡(luò)相比其優(yōu)點(diǎn)所在。優(yōu)點(diǎn)：優(yōu)點(diǎn)：6模糊神經(jīng)網(wǎng)絡(luò)模糊神經(jīng)網(wǎng)絡(luò)2）模糊系統(tǒng)的模糊集、隸屬函數(shù)和模糊規(guī)則設(shè)計是建立）模糊系統(tǒng)的模糊集、隸屬函數(shù)和模糊規(guī)則設(shè)計是建立在經(jīng)驗(yàn)知識基礎(chǔ)上的，這種設(shè)計方法

5、存在很大的主觀性。在經(jīng)驗(yàn)知識基礎(chǔ)上的，這種設(shè)計方法存在很大的主觀性。 神經(jīng)網(wǎng)絡(luò)所具有的強(qiáng)大自學(xué)習(xí)能力，使得傳統(tǒng)模糊控神經(jīng)網(wǎng)絡(luò)所具有的強(qiáng)大自學(xué)習(xí)能力，使得傳統(tǒng)模糊控制系統(tǒng)中的主觀性信息在很大程度上得以削弱，從而使得制系統(tǒng)中的主觀性信息在很大程度上得以削弱，從而使得模糊控制更加貼近實(shí)際情況，這是它模糊控制更加貼近實(shí)際情況，這是它同單純的模糊邏輯系同單純的模糊邏輯系統(tǒng)相比其優(yōu)點(diǎn)所在。統(tǒng)相比其優(yōu)點(diǎn)所在。 7模糊神經(jīng)網(wǎng)絡(luò)模糊神經(jīng)網(wǎng)絡(luò)3）模糊神經(jīng)網(wǎng)絡(luò)將）模糊神經(jīng)網(wǎng)絡(luò)將定性的知識表達(dá)定性的知識表達(dá)和和定量的數(shù)值運(yùn)算定量的數(shù)值運(yùn)算很很好地結(jié)合了起來，具有很好的控制效果。好地結(jié)合了起來，具有很好的控制效果。 在

6、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)用來表示模糊系統(tǒng)的輸入、輸出信號，神經(jīng)網(wǎng)絡(luò)的隱含節(jié)點(diǎn)用表示模糊系統(tǒng)的輸入、輸出信號，神經(jīng)網(wǎng)絡(luò)的隱含節(jié)點(diǎn)用來表示隸屬函數(shù)和模糊規(guī)則，來表示隸屬函數(shù)和模糊規(guī)則，利用神經(jīng)網(wǎng)絡(luò)的并行處理能利用神經(jīng)網(wǎng)絡(luò)的并行處理能力使得模糊推理能力大大提高力使得模糊推理能力大大提高。 8模糊神經(jīng)網(wǎng)絡(luò)模糊神經(jīng)網(wǎng)絡(luò)2、模糊神經(jīng)網(wǎng)絡(luò)的分類、模糊神經(jīng)網(wǎng)絡(luò)的分類v基于標(biāo)準(zhǔn)模型（基于標(biāo)準(zhǔn)模型（Mamdani）的模糊神經(jīng)網(wǎng)絡(luò)的模糊神經(jīng)網(wǎng)絡(luò) 模糊規(guī)則的后件是輸出量的某一模糊集合。模糊規(guī)則的后件是輸出量的某一模糊集合。v基于基于T-S的模糊神經(jīng)網(wǎng)絡(luò)的模

7、糊神經(jīng)網(wǎng)絡(luò) 模糊規(guī)則的后件是輸入語言變量的函數(shù)（線模糊規(guī)則的后件是輸入語言變量的函數(shù)（線性組合）。性組合）。91、結(jié)構(gòu)、結(jié)構(gòu)eec11wnnwijwy輸入層輸入層模糊化模糊化 模糊推理模糊推理去模糊化去模糊化第第1層（輸入層）：層（輸入層）： 將輸入（系統(tǒng)誤差，將輸入（系統(tǒng)誤差，誤差變化率）引入網(wǎng)絡(luò)誤差變化率）引入網(wǎng)絡(luò)：ecInOut)1(1)1(1eInOut)1(1)1(1基于標(biāo)準(zhǔn)模型的模糊神經(jīng)網(wǎng)絡(luò)基于標(biāo)準(zhǔn)模型的模糊神經(jīng)網(wǎng)絡(luò)10第第2層（模糊化層）：層（模糊化層）： 對輸入進(jìn)行模糊化。假設(shè)在每個輸入論域上定義對輸入進(jìn)行模糊化。假設(shè)在每個輸入論域上定義3個模糊語言詞集個模糊語言詞集N，Z，P

8、=“負(fù)負(fù)”，“零零”，“正正”，隸屬函數(shù)采用高斯基函數(shù)，與，隸屬函數(shù)采用高斯基函數(shù)，與N，Z，P對應(yīng)的中心值分別為對應(yīng)的中心值分別為-1，0，1，寬度為，寬度為0.5，0.5，0.5。隸。隸屬函數(shù)的形狀與分布如下圖所示。屬函數(shù)的形狀與分布如下圖所示。 -1 -0.5 0 0.5 1 0 0.5 1 隸屬度 x N Z P 22)1()()1()2()2(ijijiijbaoutiAijijeoutinout基于標(biāo)準(zhǔn)模型的模糊神經(jīng)網(wǎng)絡(luò)基于標(biāo)準(zhǔn)模型的模糊神經(jīng)網(wǎng)絡(luò)11eec11wnnwijwy輸入層輸入層模糊化模糊化模糊推理模糊推理 去模糊化去模糊化第第3層（模糊推理）：層（模糊推理）： 代表代表“

9、and”操作，操作，在此網(wǎng)絡(luò)中用乘法代替在此網(wǎng)絡(luò)中用乘法代替取小運(yùn)算。取小運(yùn)算。 )2(2)2(1)3()3(jiijijoutoutinout3 , 2 , 1; 3 , 2 , 1ji基于標(biāo)準(zhǔn)模型的模糊神經(jīng)網(wǎng)絡(luò)基于標(biāo)準(zhǔn)模型的模糊神經(jīng)網(wǎng)絡(luò)12eec11wnnwijwy輸入層輸入層模糊化模糊化模糊推理模糊推理 去模糊化去模糊化第第4層：層： 代表去模糊化過代表去模糊化過程，在這里采用權(quán)值平程，在這里采用權(quán)值平均判決法。均判決法。 31,)3()4()(jiijijwoutin31,)3()4()4(jiijoutinouty wij為網(wǎng)絡(luò)的權(quán)值，其為網(wǎng)絡(luò)的權(quán)值，其物理意義是各控制規(guī)則的物理意義

10、是各控制規(guī)則的輸出對應(yīng)的語言詞集的中輸出對應(yīng)的語言詞集的中心值。心值。基于標(biāo)準(zhǔn)模型的模糊神經(jīng)網(wǎng)絡(luò)基于標(biāo)準(zhǔn)模型的模糊神經(jīng)網(wǎng)絡(luò)132、網(wǎng)絡(luò)學(xué)習(xí)算法、網(wǎng)絡(luò)學(xué)習(xí)算法 學(xué)習(xí)仍采用學(xué)習(xí)仍采用BP算法，定義目標(biāo)函數(shù)算法，定義目標(biāo)函數(shù) 221221)(eyrJ則則)()() 1(twJtwtwijwijij)()() 1(taJtataijaijij)()() 1(tbJtbtbijbijij基于標(biāo)準(zhǔn)模型的模糊神經(jīng)網(wǎng)絡(luò)基于標(biāo)準(zhǔn)模型的模糊神經(jīng)網(wǎng)絡(luò)14在此模糊神經(jīng)網(wǎng)絡(luò)中，在此模糊神經(jīng)網(wǎng)絡(luò)中，可調(diào)參數(shù)有三類：可調(diào)參數(shù)有三類：一類為規(guī)則的一類為規(guī)則的權(quán)系數(shù)權(quán)系數(shù) ；第二類和第三類為高斯函數(shù)的均值；第二類和第三類為高斯

11、函數(shù)的均值 和標(biāo)準(zhǔn)差和標(biāo)準(zhǔn)差 ，即輸入隸屬函數(shù)的參數(shù)。，即輸入隸屬函數(shù)的參數(shù)。 Wijajb基于標(biāo)準(zhǔn)模型的模糊神經(jīng)網(wǎng)絡(luò)基于標(biāo)準(zhǔn)模型的模糊神經(jīng)網(wǎng)絡(luò)15（1）模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)）模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 圖中所示為圖中所示為MIMO系統(tǒng)。系統(tǒng)。該網(wǎng)絡(luò)由該網(wǎng)絡(luò)由前件網(wǎng)絡(luò)前件網(wǎng)絡(luò)和和后件網(wǎng)后件網(wǎng)絡(luò)絡(luò)兩部分組成。兩部分組成。1. 前件網(wǎng)絡(luò)前件網(wǎng)絡(luò) 前件網(wǎng)絡(luò)由前件網(wǎng)絡(luò)由4層組成，層組成，每一層的結(jié)構(gòu)以及功能和標(biāo)每一層的結(jié)構(gòu)以及功能和標(biāo)準(zhǔn)模型（準(zhǔn)模型（Mamdani模型）模型）模糊神經(jīng)網(wǎng)絡(luò)完全相同，這模糊神經(jīng)網(wǎng)絡(luò)完全相同，這里不再贅述。里不再贅述。 基于基于T-S的模糊神經(jīng)網(wǎng)絡(luò)的模糊神經(jīng)網(wǎng)絡(luò)162. 后件網(wǎng)絡(luò)后件

12、網(wǎng)絡(luò) 后件網(wǎng)絡(luò)是由后件網(wǎng)絡(luò)是由r個結(jié)構(gòu)相個結(jié)構(gòu)相同的并列子網(wǎng)絡(luò)組成，每個同的并列子網(wǎng)絡(luò)組成，每個子網(wǎng)絡(luò)產(chǎn)生一個輸出量（圖子網(wǎng)絡(luò)產(chǎn)生一個輸出量（圖中只畫出了一個）。中只畫出了一個）。 子網(wǎng)絡(luò)的第一層是輸入子網(wǎng)絡(luò)的第一層是輸入層，它將輸入變量傳送到第層，它將輸入變量傳送到第二層。輸入層中的第二層。輸入層中的第0個結(jié)點(diǎn)個結(jié)點(diǎn)的輸入值的輸入值x0=1，它的作用是，它的作用是提供模糊規(guī)則后件中的常數(shù)提供模糊規(guī)則后件中的常數(shù)項(xiàng)。項(xiàng)。 基于基于T-S的模糊神經(jīng)網(wǎng)絡(luò)的模糊神經(jīng)網(wǎng)絡(luò)輸入層，第輸入層，第0 0個結(jié)點(diǎn)的輸入個結(jié)點(diǎn)的輸入值是值是1 1，用于，用于提供模糊規(guī)則提供模糊規(guī)則后件中的常數(shù)后件中的常數(shù)項(xiàng)項(xiàng)17

13、 子網(wǎng)絡(luò)的第二層共有子網(wǎng)絡(luò)的第二層共有m個結(jié)點(diǎn)，每個結(jié)點(diǎn)代表一個結(jié)點(diǎn)，每個結(jié)點(diǎn)代表一條規(guī)則，該層的作用是計條規(guī)則，該層的作用是計算每條規(guī)則的后件，即：算每條規(guī)則的后件，即：00110(1,2, ;1,2,)kkkkjjjjnnnkjiiiypxp xpxp xkr jm基于基于T-S的模糊神經(jīng)網(wǎng)絡(luò)的模糊神經(jīng)網(wǎng)絡(luò)每個結(jié)點(diǎn)代表一條每個結(jié)點(diǎn)代表一條規(guī)則，用于計算每規(guī)則，用于計算每條規(guī)則的后件條規(guī)則的后件18子網(wǎng)絡(luò)第三層的輸出為：子網(wǎng)絡(luò)第三層的輸出為：1(1,2, )mkjkjjyykr 可見，可見，yk是各規(guī)則后件的加是各規(guī)則后件的加權(quán)和，加權(quán)系數(shù)為各模糊規(guī)則經(jīng)權(quán)和，加權(quán)系數(shù)為各模糊規(guī)則經(jīng)歸一化處理后的激活度（或匹配歸一化處理后的激活度（或匹配度），即度），即前件網(wǎng)絡(luò)的輸出用作后前件網(wǎng)絡(luò)的輸出用作后件網(wǎng)絡(luò)第三層的連接權(quán)值。件網(wǎng)絡(luò)第三層的連接權(quán)值?；诨赥-S的模糊神經(jīng)網(wǎng)絡(luò)的模糊神經(jīng)網(wǎng)絡(luò)計算系統(tǒng)的輸出計算系統(tǒng)的輸出193、 學(xué)習(xí)算法學(xué)習(xí)算法211()2ridiiEyy 仍取誤差函數(shù)為：仍取誤差函數(shù)為：(1)( )