北京交通大学研究生课程(神经网络、模糊控制及专家系统)第七章_PPT课件

a (2)
a (1 )
u
1
j
u
2
j
第二节 模糊神经网络控制
二、基本功能和函数关系
第三层：实现模糊逻辑规则的条件部的匹配，规则节点完成
模糊“与”运算（玛达尼推理法）
fj3
min
u1(3),u2(3),L
u(3) p
aj3
f (3) j
其中二、三层节点之间的连接权值w(ji3) 1
第二节 模糊神经网络控制
缺点： 当环境发生变化时，缺乏自我调节和自学习的能力。
解决方法之一：Sugeno提出将规则的自组织问题转化为参 数估计问题。但仍有主观性。
如何把学习机制引入到模糊控制中来？
第一节 集成智能控制系统简介
1. 模糊神经网络系统（FNN）
神经网络由大量连接的神经处理单元组成的，具有高 度的非线性映射能力和自学习能力，能够从样本数据中进 行学习和泛化，计算速度快。
f (2) j
Mxji
m , (2) (2)
ji
ji
ui2 m(ji2) 2
(
) (2) 2
ji
a e (2)
f
(2) j
j
mji,ji：第i个语言变量Xi的第j个语言值隶属函数的中心值和宽度；
mji：一、二层神经元之间的连接权值wji2；
ji：看作是与S函数相类似的一个斜率参数。
注 ： 若 用 一 组 节 点 完 成 一 个 隶 属 度 函 数 ， 则 每 一 个 节 点 的 函 数 可 以 是 标 准 的 形 式 （ 如 S 函 数 ） ， 且 整 个 子 网 络 用 标 准 学 习 算 法 （ 如 反 传 法 ） 进 行 离 线 训 练 实 现 期 望 的 隶 属 函 数 。
第一节 集成智能控制系统简介
2. 神经网络专家系统
专家系统，是一个智能信息处理系统，它处理现实世 界中提出的需要由专家来分析和判断的复杂问题，并采用 专家推理方法来解决问题。
传统的专家系统采用产生式规则和框架式结构，基于符号 的知识的显式表示。
缺点： 专家本人无法用这些规则来表达他们的经验。
解决方法：利用神经网络专家系统，是符号的隐式表示。 它的知识库是分布在大量神经元以及它们之间的连接系数 上的。知识获取只是神经网络的简单训练过程。
第二节 模糊神经网络控制
神经网络的输入输出节点用来表示模糊控制系 统的输入输出信号，隐含节点用来表示隶属度函数 和模糊控制规则。 一、结构
整个神经网络模型分成五个层次：
第一层：输入节点，用来表示语言变量； 第二层：表示语言变量语言值的隶属度函数（可用单
一神经元或一个小的子网络）；
u
4
j
u
5
p
fi wkjiuik i1
aj
1 1 e
f
j
第二节 模糊神经网络控制
二、基本功能和函数关系
第一层：将输入变量值直接传送到下层
fj1 uj1 wj1i 1
aj1 fj1 uj1 xj j 1,2,L n
a (1 )
u
1
j
二、基本功能和函数关系
第二层：用单一节点完成简单的隶属函数，如对一钟形函数
f
5
j
wj5i ui5
(mj5i ji5)ui5
i
i
aj5
f
5
j
ji5ui5
i
则
第
四
层
节
点
与
第
五
层
节
点
之
间
的
连
接
系
数
w
5可
ji
以
看
作
是
m
5
ji
5 ，
ji
遍及第 j 个输出变量的所有语言值。
a (5)
a (4)
u
5
j
u
4
j
a (3)
u
3
j
a (2)
a (1 )
u
1
j
u
2
j
第二节 模糊神经网络控制
神经网络具有两大主要特征：分布表示和学习能力
缺点： 无法处理语言变量，也不可能将专家的先验控制知 识注入到神经网络控制系统中去，使得原本不是“黑箱” 结构的系统设计问题只能用“黑箱”系统设计理论来进行。 它还存在局部收敛问题。
解决方法：利用神经网络的学习功能来优化模糊控制规则 和相应的隶属度函数、将一些专家知识预先分布到神经网 络中去是提出模糊神经网络理论的两个基本出发点。
a (3)
u
3
j
a (2)
a (1 )
u
1
j
u
2
j
第二节 模糊神经网络控制
二、基本功能和函数关系
第四层：有两种操作模式
1从下到上的传输模式中，实现的是模糊逻辑推理运算。
f
4
j
max
u(4) 1
,
u(4) 2
,L
u(4) p
a(4) j
f (4) j
w(4) ji
1。
2在从上到下的传输模式中，此节点实现的是输出变量的
模糊化。
a (4)
u
4
j
a (3)
u
3
j
a (2)
a (1 )
u
1
j
u
2
j
第二节 模糊神经网络控制
第五层：
1 执 行 从 下 到 上 的 信 号 传 输 方 式 ， 实 现 模 糊 输 出 的 精 确 化 计 算 。
如
果
设
m
5
ji
,
5
ji
分
别
表
示
输
出
语
言
变
量
各
语
言
值
的
隶
属
度
的
中
心
位置和宽度，模拟重心法的精确化计算方法：
j
u
3
j
u
2
j
u
1
j
第二节 模糊神经网络控制
二、基本功能和函数关系
神经元的输入函数的输出是与其连接的有限个神经元的
输出和连接系数的函数，即
net f u1k ,u2k ,L ukp , w1k , w2k ,L wkp
output oik a f
uik表示与其连接的神经元的输出，wik表述相应的连接权系数； 最常用的神经元输入函数和激励函数是：
研究生课程
神经网络、模糊控制及专家系统
张严心
2015
第七章 集成智能控制系统
集成智能控制系统简介 模糊神经网络控制
第一节 集成智能控制系统简介
1. 模糊神经网络系统（FNN）
模糊控制利用专家经验建立起来的模糊集、隶属度函 数和模糊推理规则等实现了复杂系统的控制。
控制器设计是基于人们在操作系统实践中积累的一些经验 知识。通过主观的反复实验得到隶属度函数和模糊控制规 则。
Βιβλιοθήκη Baidu
net m2
2
式中，net是神经元总输入；m是隶属度函数的中心；
代表隶属度函数的宽度。
第二节 模糊神经网络控制
二、基本功能和函数关系
用 常 规 的 S 神 经 元 表 示 隶 属 度 函 数 。
例如：用神经网络表示一个在实数轴上的语言变量X的
三个语言值“小”，“中”，“大”的隶属度函数，则
二、基本功能和函数关系
第五层
2执行从上到下的信号传输方式，实现了把实验数据反馈
到神经网络中去的目的，提供模糊神经网络训练的样本数据
fj5 yj5
aj5 fj5
第二节 模糊神经网络控制
二、基本功能和函数关系
基于神经元网络的基本模糊逻辑运算
用单个神经元实现钟形隶属度函数，它的激励函数为：
f
net
exp