Лабораторная работа №5 / lab05
.docМинистерство Образования Российской Федерации
Уфимский Государственный Авиационный Технический Университет
Кафедра ТК
Отчет по лабораторной работе №5
по курсу «Системы искусственного интеллекта»
на тему «Разработка гибридных интеллектуальных систем в среде MatLab»
Выполнили: студенты гр. Т28-420
Проверила: Габдуллина Э.Р.
Уфа 2006
Лабораторная работа № 5
Разработка гибридных интеллектуальных систем в среде MatLab
Цель работы:
Исследование процесса разработки адаптивной системы нейро-нечеткого вывода для аппроксимации зависимости, описываемой некоторой математической функцией.
Постановка задачи:
С помощью адаптивной сети нечеткого вывода аппроксимировать функцию: y = 2x2
Ход работы:
Исходные данные для обучения нейросети:
|
Структура нейросети имеет вид:
|
Процесс обучения нейронной сети:
|
Результат обучения нейронной сети:
|
Число эпох |
40 |
|
Значение ошибки |
1,1296 |
|
Просмотр поверхности соответствующей системы нечеткого вывода:
|
Правила сгенерированной системы нечеткого вывода:
|
Результаты аппроксимации с помощью сети:
|
x |
y |
Y* |
| y - y* | |
δy |
|
0,4 |
0,32 |
0,322 |
0,002000 |
0,006250 |
|
1,6 |
5,12 |
5,9 |
0,780000 |
0,152344 |
|
2,8 |
15,68 |
15,2 |
0,480000 |
0,030612 |
|
4 |
32 |
31,5 |
0,500000 |
0,015625 |
|
5,2 |
54,08 |
54,8 |
0,720000 |
0,013314 |
|
6,4 |
81,92 |
81,7 |
0,220000 |
0,002686 |
|
7,6 |
115,52 |
115 |
0,520000 |
0,004501 |
|
8,8 |
154,88 |
156 |
1,120000 |
0,007231 |
Изменение функций принадлежности:
|
Функция принадлежности |
Исходные параметры |
Скорректированные параметры |
||
|
A1 |
A2 |
A1 |
A2 |
|
|
In1mf1 |
1.951 |
2.567 |
2,851 |
3,067 |
|
In1mf2 |
2.082 |
6.455 |
2,782 |
6,355 |
|
In1mf3 |
1.871 |
8.907 |
2,771 |
8,407 |
Результаты аппроксимации с помощью скорректированной сети:
|
X |
y |
Исходная сеть |
Скорректированная сеть |
||||
|
y* |
| y - y* | |
Δy |
y* |
| y - y* | |
δy |
||
|
0,4 |
0,32 |
0,322 |
0,002000 |
0,006250 |
0,33 |
0,010000 |
0,031250 |
|
1,6 |
5,12 |
5,9 |
0,780000 |
0,152344 |
5,12 |
0,000000 |
0,000000 |
|
2,8 |
15,68 |
15,2 |
0,480000 |
0,030612 |
15,7 |
0,020000 |
0,001276 |
|
4 |
32 |
31,5 |
0,500000 |
0,015625 |
32 |
0,000000 |
0,000000 |
|
5,2 |
54,08 |
54,8 |
0,720000 |
0,013314 |
54,1 |
0,020000 |
0,000370 |
|
6,4 |
81,92 |
81,7 |
0,220000 |
0,002686 |
81,9 |
0,020000 |
0,000244 |
|
7,6 |
115,52 |
115 |
0,520000 |
0,004501 |
116 |
0,480000 |
0,004155 |
|
8,8 |
154,88 |
156 |
1,120000 |
0,007231 |
155 |
0,120000 |
0,000775 |
В результате добавления нового правила нарушается структура сети и ошибка не корректируется в процессе ее обучения:
|
|
|
|
|
|
Вывод:
В ходе проделанной работы был исследован процесс разработки адаптивной системы нейро-нечеткого вывода для аппроксимации зависимости, описываемой некоторой математической функцией.