Адаптивные нейронечеткие системы инференции (ANFIS)
Рассмотрим нечеткие нейронные сети, которые в англоязычной литературе получили название ANFIS (Adaptive Neuro-Fuzzy Inference System). ANFISимеет структуру, которая по своим функциям эквивалентна нечеткой системе логического вывода, построенной с помощью нечетких базовых правил типа Сугено. Грубо говоря, ANFISявляется методом для настройки сформулированных базовых правил, точнее параметров соответствующих этим правилам функций принадлежности, с помощью алгоритмов обучения, основанных на комплекте обучающих (образцовых) данных. Такие алгоритмы позволяют адаптировать (приспосабливать) базовые правила к обучающим данным.
Структура ANFIS
Предположим без потери общности, что имеется два входа u1 и u2, и один выход y. Предположим также, что используется набор базовых правил типа Сугено первого порядка, состоящий из двух правил
Если u1 есть A1 и u2 естьB1 то y1=c11 u1 + c12 u2+c10 (1)
Если u1 есть A2 и u2 естьB2 то y2=c21 u1 + c22 u2+c20 (2)
Между прочим, нечеткий контроллер с такими правилами может осуществлять интерполяцию выходов двух линейных контроллеров. Если степень истинности (возбуждающая сила) правил равна и соответственно для конкретных значений входов u1 и u2, товыход вычисляется как средневзвешенное среднее
(3)
Соответствующая нечеткая нейросеть показана на рис. 1.
Рис.1
Дадим описание слоев в этой сети.
1. Каждый нейрон в слое с номером 1 является адаптируемым с параметрической активационной функцией. Выход этого нейрона представляет собой степень, с которой данный вход удовлетворяет функции принадлежности, т. е. или . Примером функции принадлежности является колоколообразная функция
, (4)
где {a, b, c} есть множество параметров. При изменении значений этих параметров изменяется форма колоколообразной функции принадлежности. Параметры этого слоя называют параметрами предпосылок (условий).
2. Каждый узел в слое 2 является фиксированным узлом, выход которого равен произведению всех поступающих на него сигналов. В общем случае, может быть использована любая другая нечеткая операция И, например, логическое произведение. Выход каждого узла представляет собой степень истинности i-го правила.
3. Каждый узел в слое 3 является фиксированным узлом, который вычисляет отношение степени истинности i-го правила и суммы степеней истинности всех правил
i=1,2 . (5)
Таким путем осуществляется нормализация степени истинности.
4. Каждый узел в слое 4 является адаптивным слоем с выходным сигналом
,i=1,2. (6)
где есть нормализованная степень истинности, получаемая с выхода слоя 3 и { , , } есть множество параметров этого узла. Параметры этого слоя называются параметрами заключения.
5. Каждый узел в слое 5 есть фиксированный узел, который суммирует все поступающие на него сигналы.
Легко обобщить структурную схему ANFIS, представленную на рис. 1, на базу правил, состоящую из более, чем двух правил.
Дата добавления: 2021-01-11; просмотров: 426;