文档介绍：该【模糊神经网络—智能控制 】是由【非学无以广才】上传分享，文档一共【22】页，该文档可以免费在线阅读，需要了解更多关于【模糊神经网络—智能控制 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。从知识的表达方式、存储方式、运用方式、获取方式来比较模糊系统—可以表达人的经验性知识,便于理解 将知识存在规则集中 同时激活的规则不多,计算量小规则靠专家提供或设计,难于自动获取神经网络—只能描述大量数据之间的复杂函数关系将知识存在权系数中,具有分布存储的特点涉及的神经元很多,计算量大权系数可由输入输出样本中学****无需人来设置1、模糊系统与神经网络比较模糊神经网络—智能控制2024/5/101将两者结合起来,在处理大规模的模糊应用问题方面将表现出优良的效果。模糊神经网络—智能控制2024/5/1022、模糊神经网络(FNN)模糊神经网络(work,简称FNN)将模糊系统和神经网络相结合,充分考虑了二者的互补性,集逻辑推理、语言计算、非线性动力学于一体,具有学****联想、识别、自适应和模糊信息处理能力等功能。其本质就是将模糊输入信号和模糊权值输入常规的神经网络。模糊神经网络—智能控制2024/5/103在模糊神经网络中,神经网络的输入、输出节点用来表示模糊系统的输入、输出信号,神经网络的隐含(中间)节点用来表示隶属函数和模糊规则,利用神经网络的并行处理能力使得模糊系统的推理能力大大提高。模糊神经网络—智能控制2024/5/1043、模糊神经网络的分类基于标准模型的模糊神经网络基于T—S的模糊神经网络模糊神经网络—智能控制2024/5/,利用神经网络的学****方法,根据输入输出的学****样本自动设计和调整模糊系统的设计参数,实现模糊系统的自学****和自适应功能。结构上像神经网络,功能上是模糊系统,这是目前研究和应用最多的一类模糊神经网络。模糊神经网络—智能控制2024/5/106基于标准模型的模糊系统原理结构输出量的表达式为其中对于给定输入x对于规则适用度的归一化模糊神经网络—智能控制2024/5/,为精确值。节点个数为输入变量的个数。由模糊模型可设计出如下模糊神经网络的结构模糊神经网络—智能控制2024/5/108第二层每个节点代表一个语言变量值。用于计算各输入分量属于各语言变量值模糊集合的隶属度函数n是输入变量的维数,mi是xi的模糊分割数(规则数)模糊神经网络—智能控制2024/5/109第三层的每个结点代表一条模糊规则,用于匹配模糊规则的前件,计算出每条规则的适用度对于给定的输入,只有在输入点附近的那些语言变量才有较大的隶属度值,远离输入点的语言变量值的隶属度很小(可近似为0)或为0,因此只有少量结点输出非0,这点类似于局部逼近网络模糊神经网络—智能控制2024/5/1010