《第六章模糊神经网络优秀课件.ppt》由会员分享，可在线阅读，更多相关《第六章模糊神经网络优秀课件.ppt（17页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第六章模糊神经网络第六章模糊神经网络1第1页，本讲稿共17页 模糊系统和神经网络控制是智能控制领域内的两个重要分模糊系统和神经网络控制是智能控制领域内的两个重要分支。模糊系统是仿效人的模糊逻辑思维方法设计的一类系统，支。模糊系统是仿效人的模糊逻辑思维方法设计的一类系统，这一方法本身就明确地说明了系统在工作过程中允许定性知这一方法本身就明确地说明了系统在工作过程中允许定性知识的存在。另一方面，神经网络在计算处理信息的过程中所识的存在。另一方面，神经网络在计算处理信息的过程中所表现出的学习能力和容错性来自于其网络自身的结构特点。表现出的学习能力和容错性来自于其网络自身的结构特点。模糊神经网络是一种
2、集模糊神经网络是一种集模糊逻辑推理的强大结构性知识表达模糊逻辑推理的强大结构性知识表达能力与神经网络的强大自学习能力于一体的新技术能力与神经网络的强大自学习能力于一体的新技术，它是模糊，它是模糊逻辑推理与神经网络有机结合的产物。逻辑推理与神经网络有机结合的产物。2第2页，本讲稿共17页神经网络和模糊控制比较神经网络和模糊控制比较ANNANN（Artificial Neural NetworkArtificial Neural Network）和）和 FLSFLS（Fuzzy Fuzzy Logical NetworkLogical Network）的比较：）的比较：相同之处相同之处 1 1）都
3、是非数值型的非线性函数的逼近器、估计器、都是非数值型的非线性函数的逼近器、估计器、和动态系统；和动态系统；2 2）不需要数学模型进行描述，但都可用数学工具进不需要数学模型进行描述，但都可用数学工具进 行处理；行处理；3 3）都适合于都适合于VLSIVLSI、光电器件等硬件实现。、光电器件等硬件实现。3第3页，本讲稿共17页不同之处不同之处：样本的表示方面样本的表示方面：ANN ANN数值型的点集合。数值型的点集合。FLS FLS模糊集样本。模糊集样本。神经网络和模糊控制比较神经网络和模糊控制比较 规则的表示和结构方面：规则的表示和结构方面：ANNANN用网络结构和权值矩阵来描述规则，且规用网络
4、结构和权值矩阵来描述规则，且规 则之间是相互连接的。则之间是相互连接的。FLNFLN用用“ifif，then”then”语句来描述规则，且规语句来描述规则，且规 则之间是相互独立的。则之间是相互独立的。4第4页，本讲稿共17页 模型的表示方面：模型的表示方面：ANNANN要求规定非线性动态系统的类型，要求获要求规定非线性动态系统的类型，要求获 取足够多的训练本集，并通过反复学习将取足够多的训练本集，并通过反复学习将 训练样本体现在动态系统上。训练样本体现在动态系统上。FLNFLN只需要部分的填充语义规则矩阵。只需要部分的填充语义规则矩阵。映射算法方面：映射算法方面：ANNANN主要依靠学习算法
5、，如梯度法、主要依靠学习算法，如梯度法、HebbHebb法和法和BP BP 算法等。算法等。FLNFLN采用合成算法完成模糊推理映射。采用合成算法完成模糊推理映射。神经网络和模糊控制比较神经网络和模糊控制比较5第5页，本讲稿共17页神经网络和模糊控制的结合把神经网络和模糊控制的结合把ANNANN的学习机制和的学习机制和FLNFLN的人类思维和推理结合起来，汇聚了神经网络与模的人类思维和推理结合起来，汇聚了神经网络与模糊理论的优点，集学习、联想、识别、自适应及模糊糊理论的优点，集学习、联想、识别、自适应及模糊信息处理于一体。信息处理于一体。神经网络和模糊控制比较神经网络和模糊控制比较6第6页，本
6、讲稿共17页 神经网络和模糊控制的结合方式有神经网络和模糊控制的结合方式有3 3种：种：1 1）神经模糊系统）神经模糊系统用神经元网络来实现模糊隶属函数、用神经元网络来实现模糊隶属函数、模糊推理，基本上（本质上）还是模糊推理，基本上（本质上）还是FLNFLN。6.1 模糊控制与神经网络的结合模糊控制系统是依据一些由人们总结出来的描述各种因素模糊控制系统是依据一些由人们总结出来的描述各种因素之间相互关系的之间相互关系的模糊性语言经验规则模糊性语言经验规则，并将这些经验规则上升，并将这些经验规则上升为简单的数值运算，以便让机器代替人在相应问题面前具体的为简单的数值运算，以便让机器代替人在相应问题面
7、前具体的实现这些规则。实现这些规则。在一般的模糊系统设计中，规则是由对所解决的问题持有丰在一般的模糊系统设计中，规则是由对所解决的问题持有丰富经验的专业人员以语言的方式表达出来的。富经验的专业人员以语言的方式表达出来的。7第7页，本讲稿共17页6.1 模糊控制与神经网络的结合专业人员对于问题认识的深度和综合能力，直接影响到模糊专业人员对于问题认识的深度和综合能力，直接影响到模糊系统工作性能的好坏。系统工作性能的好坏。有些问题，即使很有经验的专业人员也很难将他们的经验总结归纳有些问题，即使很有经验的专业人员也很难将他们的经验总结归纳为一些比较明确而简化的规则，并以语言的形式表达出来。为一些比较明
8、确而简化的规则，并以语言的形式表达出来。利用单层前向网络输入利用单层前向网络输入/输出积空间的聚类方法，能够直接输出积空间的聚类方法，能够直接从从原始的工作数据中归纳出若干条规则，并最后以语言的方式原始的工作数据中归纳出若干条规则，并最后以语言的方式表示出来。表示出来。8第8页，本讲稿共17页该模型以模糊控制为主体，应用神经元网络，实现模糊控制的决该模型以模糊控制为主体，应用神经元网络，实现模糊控制的决策过程，以模糊控制方法为策过程，以模糊控制方法为“样本样本”，对神经网络进行离线训练，对神经网络进行离线训练学习。学习。“样本样本”就是学习的就是学习的“教师教师”。所有样本学习完以后，这。所有
9、样本学习完以后，这个神经元网络，就是一个聪明、灵活的模糊规则表，具有自学习、个神经元网络，就是一个聪明、灵活的模糊规则表，具有自学习、自适应功能。自适应功能。6.1 模糊控制与神经网络的结合神经模糊系统神经模糊系统9第9页，本讲稿共17页2 2）模糊神经系统）模糊神经系统神经网络模糊化，本质上还是神经网络模糊化，本质上还是ANNANN。该模型以神经网络为主体，将输入空间分割成若干不该模型以神经网络为主体，将输入空间分割成若干不同型式的模糊推论组合，对系统先进行模糊逻辑判断，以同型式的模糊推论组合，对系统先进行模糊逻辑判断，以模糊控制器输出作为神经元网络的输入。后者具有自学习模糊控制器输出作为神
10、经元网络的输入。后者具有自学习的智能控制特性。的智能控制特性。6.1 模糊控制与神经网络的结合10第10页，本讲稿共17页3 3）模糊）模糊-神经混合系统神经混合系统二者有机结合。二者有机结合。该模型根据输入量的不同性质分别由神经网络与模糊该模型根据输入量的不同性质分别由神经网络与模糊控制直接处理输入信息，并作用于控制对象，更能发挥各控制直接处理输入信息，并作用于控制对象，更能发挥各自的控制特点。自的控制特点。6.1 模糊控制与神经网络的结合11第11页，本讲稿共17页1 1）使网络的结构和权值具有了明确的物理意义，网络的结构设计和）使网络的结构和权值具有了明确的物理意义，网络的结构设计和权值
11、的初始化都有了理论的根据，避免了网络陷入局部最优。权值的初始化都有了理论的根据，避免了网络陷入局部最优。2 2）可以利用神经网络的学习能力来调整模糊控制的控制规则和模糊）可以利用神经网络的学习能力来调整模糊控制的控制规则和模糊化的方式，使模糊控制具有了一定的自适应能力。化的方式，使模糊控制具有了一定的自适应能力。3 3）模糊神经网络将定性的知识表达和定量的数值运算很好地结合）模糊神经网络将定性的知识表达和定量的数值运算很好地结合了起来，具有很好的控制效果了起来，具有很好的控制效果 神经网络和模糊控制结合的优点神经网络和模糊控制结合的优点6.1 模糊控制与神经网络的结合12第12页，本讲稿共17
12、页6.2 模糊神经网络模型模糊神经网络模型6.2.1 6.2.1 模糊联想存储器模糊联想存储器(FAM)(FAM)在模糊控制规则中，模糊规则在模糊控制规则中，模糊规则AiBi代表了一条推理依据，它是代表了一条推理依据，它是蕴涵句蕴涵句“如果如果Ai，则，则Bi”的缩写形式。的缩写形式。A Ai iB Bi i可以描述为模糊控制输入输出空间的一种映射关系可以描述为模糊控制输入输出空间的一种映射关系R Ri i=(A=(Ai iB Bi i)=)=AiBi=AT B所有模糊控制规则的集合蕴涵的模糊映射关系可以描述为所有模糊控制规则的集合蕴涵的模糊映射关系可以描述为对于一个模糊输入对于一个模糊输入A
13、 A，可以根据模糊规则库进行模糊推理来得，可以根据模糊规则库进行模糊推理来得到其相应的模糊输出为：到其相应的模糊输出为：13第13页，本讲稿共17页6.2 模糊神经网络模型模糊联想存储器的结构模糊联想存储器的结构14第14页，本讲稿共17页6.2 模糊神经网络模型模糊神经网络模型模糊联想存储器模糊联想存储器(FAM)(FAM)的工作原理的工作原理 一个前提一个前提A A作用于作用于m m条推理依据后，同时产生条推理依据后，同时产生m m个子结论个子结论 、。将这。将这m m个子结论进行综合处理，便得个子结论进行综合处理，便得到到FAMFAM最后输出的结论最后输出的结论B B。在这里，所谓综合处理即是进行。在这里，所谓综合处理即是进行归一化加权求和：归一化加权求和：在控制过程中，可以根据情况的变化通过改变权因子在控制过程中，可以根据情况的变化通过改变权因子Wi来改变来改变各规则对输出的影响，从而达到调整模糊控制性能的目标。各规则对输出的影响，从而达到调整模糊控制性能的目标。15第15页，本讲稿共17页6.2 模糊神经网络模型模糊神经网络模型6.2.2 6.2.2 模糊推理神经网络模糊推理神经网络 16第16页，本讲稿共17页17第17页，本讲稿共17页