p>
название: |
Нечеткая логика и искусственные нейронные сети |
авторы: |
В. В. Круглов, М. И. Дли, Р. Ю. Голупов |
размер: |
1,4 Mb |
тип файла |
djvu |
В книге рассмотрены теоретические аспекты составляющих искусственных нейронных сетей, именно, аппарат нечеткой логики, основы теории искусственных нейронных сетей и собственно гибридных сетей применительно к задачам управления и принятия решений в условиях неопределенности.
Особое внимание уделено программной реализации моделей указанных подходов инструментальными средствами математической системы MATLAB 5.2/5.3.
Как известно, аппарат нечетких множеств и нечеткой логики уже давно (более 10 лет) с успехом применяется для решения задач, в которых исходные данные являются ненадежными и слабо формализованными. Сильные стороны такого подхода:
- описание условий и метода решения задачи на языке, близком к
естественному;
- универсальность: согласно знаменитой теореме FAT (Fuzzy Approximation Theorem), доказанной Б.Коско (B.Kosko) в 1993 г., любая
математическая система может быть аппроксимирована системой, основанной на нечеткой логике;
- эффективность (связана с универсальностью), поясняемая рядом
теорем, аналогичных теоремам о полноте для искусственных нейронных
сетей, например, теоремой вида: для каждой вещественной непрерывной
функции д, заданной на компакте U и для произвольного е > 0 существует нечеткая экспертная система, формирующая выходную функцию
/(х) такую, что sup ||д(х) — /(х)|| sj е, где || • || — символ принятого расстояния между функциями.
Вместе с тем для нечетких экспертных и управляющих систем характерны и определенные недостатки:
- исходный набор постулируемых нечетких правил формулируется
экспертом-человеком и может оказаться неполным или противоречивым;
- вид и параметры функций принадлежности, описывающих входные и выходные переменные системы, выбираются субъективно и могут
оказаться не вполне отражающими реальную действительность.
Для устранения, по крайней мере, частично, указанных недостатков рядом авторов было предложено выполнять нечеткие экспертные и управляющие системы адаптивными — корректируя, по мере работы системы, и правила и параметры функций принадлежности. Среди нескольких вариантов такой адаптации одним из самых удачных, по-видимому, является метод так называемых гибридных нейронных сетей.
Гибридная нейронная сеть формально по структуре идентична многослойной нейронной сети с обучением, например, по алгоритму обратного распространения ошибки, но скрытые слои в ней соответствуют этапам функционирования нечеткой системы. Так:
- 1-й слой нейронов выполняет функцию введения нечеткости на
основе заданных функций принадлежности входов;
- 2-й слой отображает совокупность нечетких правил;
- 3-й слой выполняет функцию приведения к четкости.
Каждый из этих слоев характеризуется набором параметров (параметрами функций принадлежности, нечетких решающих правил, активационных функций, весами связей), настройка которых производится, в сущности, так же, как для обычных нейронных сетей.
Скачать книгу Нечеткая логика и искусственные нейронные сети
Просмотров: 1260
Ваш коментарий будет первым | | |