《模糊神经网络智能控制精选PPT.ppt》由会员分享，可在线阅读，更多相关《模糊神经网络智能控制精选PPT.ppt（23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、模糊神经网络智能控制第1页，此课件共23页哦从知识的表达方式、存储方式、运用方式、获取方式来比较模糊系统可以表达人的经验性知识，便于理解 将知识存在规则集中 同时激活的规则不多，计算量小 规则靠专家提供或设计，难于自动获取神经网络只能描述大量数据之间的复杂函数关系 将知识存在权系数中，具有分布存储的特点 涉及的神经元很多，计算量大 权系数可由输入输出样本中学习，无需人来设置1 1、模糊系统与神经网络比较模糊系统与神经网络比较第2页，此课件共23页哦 将两者结合起来，在处理大规模的模糊应用问题方面将将两者结合起来，在处理大规模的模糊应用问题方面将表现出优良的效果。表现出优良的效果。第3页，此课件
2、共23页哦2 2、模糊神经网络（、模糊神经网络（FNNFNN）模糊神经网络模糊神经网络（Fuzzy Neural NetworkFuzzy Neural Network，简称，简称FNNFNN）将）将模糊系统和神经网络模糊系统和神经网络相结合，充分考虑了二者的互补性，相结合，充分考虑了二者的互补性，集逻辑推理、语言计算、非线性动力学于一体，具有学集逻辑推理、语言计算、非线性动力学于一体，具有学习、联想、识别、自适应和模糊信息处理能力等功能。习、联想、识别、自适应和模糊信息处理能力等功能。其本质就是其本质就是将模糊输入信号和模糊权值输入常规将模糊输入信号和模糊权值输入常规的神经网络。的神经网络。
3、第4页，此课件共23页哦l在在模模糊糊神神经经网网络络中中，神神经经网网络络的的输输入入、输输出出节节点点用用来来表表示示模模糊糊系系统统的的输输入入、输输出出信信号号，神神经经网网络络的的隐隐含含（中中间间）节节点点用用来来表表示示隶隶属属函函数数和和模模糊糊规规则则，利利用用神神经经网网络的并行处理能力使得模糊系统的推理能力大大提高。络的并行处理能力使得模糊系统的推理能力大大提高。第5页，此课件共23页哦3 3、模糊神经网络的分类、模糊神经网络的分类n基于标准模型的模糊神经网络基于标准模型的模糊神经网络n基于基于TSTS的模糊神经网络的模糊神经网络第6页，此课件共23页哦3.1 模糊系统的
4、标准模型模糊系统的标准模型n模糊系统的规则集和隶属度函数等设计参数只能靠设计模糊系统的规则集和隶属度函数等设计参数只能靠设计经验来选择，利用神经网络的学习方法，根据输入输出经验来选择，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适应功能。模糊系统的自学习和自适应功能。n结构上像神经网络，功能上是模糊系统，这是目前研究和结构上像神经网络，功能上是模糊系统，这是目前研究和应用最多的一类模糊神经网络。应用最多的一类模糊神经网络。第7页，此课件共23页哦基于标准模型的模糊系统原理结构输出量的表达
5、式为 其中对于给定输入x对于规则适用度的归一化第8页，此课件共23页哦3.2 模糊神经网络的结构第一层为输入层，为精确值。节点个数为输入变量的个数。由模糊模型可设计出如下模糊神经网络的结构由模糊模型可设计出如下模糊神经网络的结构第9页，此课件共23页哦第二层每个节点代表一个语言变量值。用于计算各输入分量属于各语言变量值模糊集合的隶属度函数n是输入变量的维数，mi是xi的模糊分割数（规则数）第10页，此课件共23页哦第三层的每个结点代表一条模糊规则，用于匹配模糊规则的前件，计算出每条规则的适用度对于给定的输入，只有在输入点附近的那些语言变量才有较大的隶属度值，远离输入点的语言变量值的隶属度很小（
6、可近似为0）或为0，因此只有少量结点输出非0，这点类似于局部逼近网络第11页，此课件共23页哦结点数与第三层相同，实现适用度的归一化计算第12页，此课件共23页哦第五层是输出层，实现清晰化计算第13页，此课件共23页哦3.3 学习算法学习算法第14页，此课件共23页哦4、1 模糊系统的T-S模型输出量为每条规则输出量的加权平均适用度的归一化第15页，此课件共23页哦4.2 模糊神经网络的结构前件网络用来匹配模糊规则的前件后件网络用来产生模糊规则的后件各层功能与前面相同后件网络由r个结构相同的并列子网络组成，每个子网络产生一个输出量第16页，此课件共23页哦输入层，第0个结点的输入值是1，用于提
7、供模糊规则后件中的常数项每个结点代表一条规则，用于计算每条规则的后件计算系统的输出第17页，此课件共23页哦输出为第18页，此课件共23页哦4.3 学习算法基于T-S模型的模糊神经网络简化结构与前述结构完全相同，故可借用前面的结论第19页，此课件共23页哦 当给定一个输入时，前件网络的第三层的适用当给定一个输入时，前件网络的第三层的适用度中只有少量元素非度中只有少量元素非0 0，其余大部分元素均为，其余大部分元素均为0 0，因而，因而从从x x到到a a的映射与的映射与CMACCMAC、B B样条及样条及RBFRBF神经网络的输入层神经网络的输入层的非线性映射非常类似。所以该模糊神经网络也是举的非线性映射非常类似。所以该模糊神经网络也是举步逼近网络步逼近网络第20页，此课件共23页哦第21页，此课件共23页哦第22页，此课件共23页哦综述综述第23页，此课件共23页哦