模糊控制技術(shù)第5章神經(jīng)網(wǎng)絡(luò)在模糊控制系統(tǒng)中的應(yīng)用整理ppt5.1神經(jīng)網(wǎng)絡(luò)5.1.1人工神經(jīng)網(wǎng)絡(luò)的起源和發(fā)展5.1.2神經(jīng)元和神經(jīng)網(wǎng)絡(luò)神經(jīng)元模型生物神經(jīng)元模型整理ppt圖5.1生物神經(jīng)元模型整理ppt人工神經(jīng)元模型圖5.2人工神經(jīng)元模型整理ppt整理ppt圖5.3常用激發(fā)函數(shù)整理ppt人工神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)模型通?？砂匆韵?個原則進(jìn)行神經(jīng)網(wǎng)絡(luò)的歸類：按照網(wǎng)絡(luò)的結(jié)構(gòu)區(qū)分，則有前向網(wǎng)絡(luò)和反饋網(wǎng)絡(luò)。按照學(xué)習(xí)方式區(qū)分，則有有教師學(xué)習(xí)和無教師學(xué)習(xí)網(wǎng)絡(luò)。按照網(wǎng)絡(luò)性能區(qū)分，則有連續(xù)型和離散型網(wǎng)絡(luò)，隨機(jī)型和確定型網(wǎng)絡(luò)。按照突觸性質(zhì)區(qū)分，則有一階線性關(guān)聯(lián)網(wǎng)絡(luò)和高階非線性關(guān)聯(lián)網(wǎng)絡(luò)。整理ppt按對生物神經(jīng)系統(tǒng)的層次模擬區(qū)分，則有神經(jīng)元層次模型、組合式模型、網(wǎng)絡(luò)層次模型、神經(jīng)系統(tǒng)層次模型和智能型模型。前向網(wǎng)絡(luò)反饋網(wǎng)絡(luò)相互結(jié)合型網(wǎng)絡(luò)混合型網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法分為兩大類：有教師學(xué)習(xí)和無教師學(xué)習(xí)。整理ppt圖5.4神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖整理ppt5.1.3人工神經(jīng)網(wǎng)絡(luò)的特點及類型人工神經(jīng)網(wǎng)絡(luò)的特點非線性非局域性非定常性非凸性具有泛化功能具有自適應(yīng)功能高度并行處理整理ppt人工神經(jīng)網(wǎng)絡(luò)的類型Hopfield網(wǎng)絡(luò)BP網(wǎng)絡(luò)Blotzman機(jī)ART網(wǎng)絡(luò)整理ppt5.1.4典型的人工神經(jīng)網(wǎng)絡(luò)Hopfield網(wǎng)絡(luò)離散型Hopfield網(wǎng)絡(luò)連續(xù)型Hopfield網(wǎng)絡(luò)BP多層神經(jīng)網(wǎng)絡(luò)函數(shù)逼近模式識別分類數(shù)據(jù)壓縮整理ppt圖5.5多層網(wǎng)絡(luò)及BP算法整理pptBP算法的原理設(shè)有一個m層的神經(jīng)網(wǎng)絡(luò)，并在輸入層加有樣本X，設(shè)第k層的i神經(jīng)元的輸入總和表示為、輸出；從第k-1層的第j個神經(jīng)元到第k層的第i個神經(jīng)元的權(quán)系數(shù)為ωij，各個神經(jīng)元的激發(fā)函數(shù)為f，則各個變量的關(guān)系可用下面有關(guān)的數(shù)學(xué)式表示：(5.1)(5.2)整理ppt①正向傳播②反向傳播2)BP算法的數(shù)學(xué)表達(dá)多層網(wǎng)絡(luò)的訓(xùn)練方法是把一個樣本加到輸入層，并根據(jù)向前傳播的規(guī)則：(5.3)(5.4)整理ppt把和期望輸出yj進(jìn)行比較，如果兩者不等，則產(chǎn)生誤差信號e，接著則按下面的公式反向傳播修改權(quán)系數(shù)：3)BP算法的執(zhí)行步驟①對權(quán)系數(shù)ωij置初值(5.5)(5.6)整理ppt②輸入一個樣本X=(x1，x2，…，xn，1)以及對應(yīng)期望輸出Y=(y1，y2，…，yn)。③計算各層的輸出(5.7)(5.8)整理ppt(5.9)(5.10)(5.11)(5.12)整理ppt當(dāng)求出了各層各個權(quán)系數(shù)之后，可按給定品質(zhì)指標(biāo)判別是否滿足要求。如果滿足要求，則算法結(jié)束；如果未滿足要求，則返回③執(zhí)行。BP網(wǎng)絡(luò)的設(shè)計設(shè)計BP網(wǎng)絡(luò)時，一般應(yīng)從以下幾方面考慮：①網(wǎng)絡(luò)的層數(shù)②隱層的神經(jīng)元數(shù)③初始權(quán)值的選取④學(xué)習(xí)速率⑤期望誤差的選取整理ppt5.2模糊神經(jīng)網(wǎng)絡(luò)5.2.1神經(jīng)網(wǎng)絡(luò)與模糊邏輯5.2.2模糊神經(jīng)網(wǎng)絡(luò)模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)神經(jīng)元的激發(fā)函數(shù)是神經(jīng)元輸入函數(shù)響應(yīng)f的函數(shù)，即(5.13)整理ppt圖5.6模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖整理ppt為了滿足模糊控制的要求，對每一層的神經(jīng)元函數(shù)應(yīng)有不同的定義：第一層，這一層的節(jié)點只是將輸入變量值直接傳送到下一層。所以整理ppt第二層，如果采用一個神經(jīng)元節(jié)點來實現(xiàn)語言值的隸屬度函數(shù)變換，則這個節(jié)點的輸出就可以定義為隸屬度函數(shù)的輸出，如鐘型函數(shù)就是一個很好的隸屬度函數(shù)。第三層，這一層的功能是完成模糊邏輯推理條件部的匹配工作。因此，由最大、最小推理規(guī)則可知，規(guī)則節(jié)點實現(xiàn)的功能是模糊“與”運(yùn)算，即整理ppt第四層，在這一層上的節(jié)點有兩種操作模式：一種是實現(xiàn)信號從上到下的傳輸模式；另一種是實現(xiàn)信號從下到上的傳輸模式。整理ppt第五層，在這一層中有兩類節(jié)點：一類節(jié)點執(zhí)行從上到下的信號傳輸方式，實現(xiàn)了把訓(xùn)練數(shù)據(jù)反饋到神經(jīng)網(wǎng)絡(luò)中去的目的，對于這類節(jié)點，其神經(jīng)元節(jié)點函數(shù)定義為：下列函數(shù)可以用來模擬重心法的解模糊運(yùn)算：整理ppt模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法為此必須首先確定和提供：初始模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；輸入、輸出樣本訓(xùn)練數(shù)據(jù)；輸入、輸出語言變量的模糊分區(qū)(如每一輸入輸出變量語言值的多少等)。自組織學(xué)習(xí)階段Kohonen自組織學(xué)習(xí)算法計算隸屬度函數(shù)中心值mi的公式為：整理ppt此語言變量語言值所對應(yīng)的寬度σi的計算通過下列目標(biāo)函數(shù)的極小值來獲取的，即(5.14)(5.15)(5.16)整理ppt自組織學(xué)習(xí)法只是找到語言變量的初始分類估計值，一般采用一階最近鄰域法求?。?5.18)(5.18)(5.17)(5.19)整理ppt為了簡化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，可以再通過規(guī)則結(jié)合的辦法來減少系統(tǒng)總的規(guī)則數(shù)，如果：該組節(jié)點具有完全相同的結(jié)論部；在該組規(guī)則節(jié)點中某些條件部是相同的；該組規(guī)則節(jié)點的其他條件輸入項包含了所有其他輸入語言變量的某一語言值節(jié)點的輸出。有教師指導(dǎo)下的學(xué)習(xí)階段整理ppt圖5.7規(guī)則節(jié)點合并示例整理ppt(5.20)(5.21)(5.22)整理ppt(5.23)(5.24)整理ppt系統(tǒng)輸出誤差反向傳播到上一層的廣義誤差δ(5)為：

(5.25)整理ppt

如果輸出語言變量有m個，則(5.28)(5.26)(5.27)整理ppt第二層輸入語言變量各語言值隸屬度函數(shù)中心值的學(xué)習(xí)公式為：輸入語言變量各語言值隸屬度函數(shù)寬度值的學(xué)習(xí)公式為：(5.29)整理ppt圖5.8模糊神經(jīng)網(wǎng)絡(luò)混合學(xué)習(xí)的流程圖整理ppt5.3基于神經(jīng)網(wǎng)絡(luò)的模糊控制器5.3.1復(fù)合型神經(jīng)模糊控制器神經(jīng)網(wǎng)絡(luò)1預(yù)處理(5.30)整理ppt圖5.9系統(tǒng)結(jié)構(gòu)整理ppt完成的功能神經(jīng)網(wǎng)絡(luò)1根據(jù)對波形的分類，向判斷機(jī)構(gòu)1發(fā)送以下不同命令：對A類波形：再次構(gòu)造控制規(guī)則；對B類波形：大幅度減小控制量；對C類波形：減小一點控制量；對D類波形：增加一點控制量；對E類波形：大幅度減小控制量；對F類波形：大幅度增加控制量；對G類波形：增加波形分類。整理ppt神經(jīng)網(wǎng)絡(luò)2預(yù)處理完成的功能判斷機(jī)構(gòu)1判斷機(jī)構(gòu)2模糊控制器控制規(guī)則的構(gòu)成步驟用判斷機(jī)構(gòu)1確定最初的控制輸入發(fā)散波形處理收斂波形處理整理ppt當(dāng)控制對象輸出波形的各個取樣時刻ti＜th時，判斷機(jī)構(gòu)2檢測它們與目標(biāo)值的偏差Ei及其變化量ΔEi，根據(jù)這些值決定以下各個量：決定控制規(guī)則后件模糊變量隸屬函數(shù)的規(guī)格化常數(shù)根據(jù)規(guī)則前件求后件根據(jù)波形分類分別處理整理ppt生成最初的控制規(guī)則當(dāng)取樣時刻ti≤th時，其步驟為：找出ΔEi＝ZE時與目標(biāo)值的偏差Ei，從這些Ei中再找出最大的Ej，向判斷機(jī)構(gòu)2發(fā)送指令，以便構(gòu)成對應(yīng)于這一取樣時刻j輸出波形狀態(tài)的控制規(guī)則。找出Ei＝ZE時的ΔEi，從這些ΔEi中找出最大的ΔEj，向判斷機(jī)構(gòu)2發(fā)送指令，以便構(gòu)成對應(yīng)于這一取樣時刻j輸出波形狀態(tài)的控制規(guī)則。整理ppt在按步驟⑧構(gòu)成規(guī)則時，前件的偏差Ei及其變化量ΔEi的模糊變量的標(biāo)稱都為零，所以，只要決定了其中一個就決定了前