Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Otvety_na_voprosy_KAKIE_NADO.docx
Скачиваний:
4
Добавлен:
01.03.2025
Размер:
452.36 Кб
Скачать
  1. Нечеткая нейронная сеть архитектуры anfis

ANFIS – адаптивная НС, основанная на системе нечёткого вывода(adaptive network based Fuzzy Inference System). Часто структура гибридной нейронной сети зависит от области применения. Так как архитектура часто используется как контроллер в реальных устройствах управления, то правая часть правила представлена чёткой линейной комбинацией переменных. Реализация логической функции «И» выполнена не с помощью функции min, а с помощью операции произведения. Обучается данная архитектура стандартным алгоритмом обратного распространения ошибки.

Приведем структуру ANFIS – адаптивной НС для двух правил:

ЕСЛИ x1 = A1 И x2 = B1 ТО y1 = c11x1 + c12x2

ЕСЛИ x1 = A2 И x2 = B2 ТО y2 = c21x1 + c22x2

Выход ННС формируется по формуле:

y = (  y1 +  y2) / (  +  2)

Слои ННС ANFIS выполняют следующие функции.

  1. Слой 1 представлен радиальными базисными нейронами и моделирует функции принадлежности.

  2. Слой 2 – это слой И-нейронов, которые моделируют логическую связку И произведением

iix1) ix2).

  1. Слой 3 вычисляет нормированную силу правила:

<i> = i

  1. Слой 4 формирует значение выходной переменной:

y(x1, x2) = <iyi = <i> (ci1 x1 + ci2 x2).

  1. Слой 5 выполняет дефазификацию:

y = <y1 + <y2.

При разработке прикладного интеллектуального контроллера используют следующую процедуру проектирования:

  1. Анализ проблемной области. Определяют значимые входные и выходные параметры, значения параметров, лингвистические шкалы.

  2. Получение обучающей выборки с помощью реальных или вычислительных экспериментов, обычно конкретный производитель оборудования имеет накопленные библиотеки таких выборов.

  3. Формирование правил. Может использоваться универсальная матрица всех возможных связей входов с выходом, которая затем обучается, либо сокращённое множество правил, составленное из предыдущего опыта.

  4. Формируется стандартная архитектура ННС, например, ANFIS.

  5. Осуществляется обучение ННС на обучающей выборке, в результате чего определяются как веса связей, так и параметры функции принадлежности.

  1. Пример функционирования нечеткого нейронного контроллера

Нечёткий контроллер – интеллектуальная система, основным назначением которой является управление внешним объектом, при котором поведение управляемого объекта описывается нечёткими правилами.

Нечёткий контроллер (регулятор, управляющее устройство) – регулятор, построенный на базе нечёткой логики.

Сущности управляемого процесса – «входные переменные» и «выходные переменные», относящиеся к классу лингв-их переменных.

Управление – манипулирование процессом в контуре обратной связи для получения оптимальных значений определенных выходных переменных.

Управляющие переменные – их значения возвращаются на объект управления.

Управление:

  1. определить текущие значения значимых выходных переменных

  2. сравнить текущие выходные значения с заданными целевыми

  3. подобрать значения управляющих переменных так, чтобы достичь целевых значений

  4. повторять п1-3 пока не будут получены целевые значения.

Для реализации нечёткого контроллера необходимо:

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]