Содержание
- 2. Обоснование 1. Нейронные сети. + широко применяются для идентификации и распознавания образов; + возможность дополнительного обучения
- 3. ANFIS системы Цель – объединить в одной системе лучшие качества нечеткой логики и нейронных сетей: 1.
- 4. Топологии Совмещенная система Гибридная система
- 5. Структура
- 6. Структура ANFIS системы Нейрона каждого слоя выполняют определенные функции: 1. Вычисление значения функций принадлежности; 2. Обработка
- 7. Сугено ANFIS система Каждый слой выполняет определенную функцию: 0. Передача входных переменных на внутренние слои. 1.
- 8. Сугено ANFIS
- 9. Сугено ANFIS
- 10. Слой №1 Результат обработки информации – степень принадлежности входной координаты к термам функции принадлежности.
- 11. Обучение в первом слое
- 12. Слой №2 Обработка информации по правилам нечеткой логики с использованием одного из операторов агрегации. Результат обработки
- 13. Слой №3 На данном этапе происходит нормализация полученных ранее степеней активности правил, приведение их к некоторому
- 14. Слой №4 Вычисление взвешенных алгоритмов управления, например, в виде линейных функций первого порядка:
- 15. Слой №5 Вычисление суммарного выхода системы:
- 16. Обучение системы Обучение происходит в два этапа: 1. Прямой ход – S1 фиксируется, а S2 подстраивается
- 17. Обучение
- 18. Обучение
- 19. Преимущества ANFIS
- 20. Преимущества ANFIS 1. Применение метода наименьших квадратов для расчета коэффициентов 2. Точная настройка функций принадлежности методом
- 22. Скачать презентацию