模糊神经网络综述.doc

《模糊神经网络综述.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、1.模糊神经网络的提出模糊逻辑(FL)、神经网络理论(NN)、遗传算法(GA)、随机推理(PR),以及置信网络、混沌理论和部分学习理论相融合，形成了一种协作体，这种融合并非杂乱无章地将模糊逻辑、神经网络和遗传算法等进行拼凑，血是通过各种方法解决本领域的问题并相互取长补短，从血形成了各种方法的协作。从这个意义上讲，各种方法是互补的，而不是竞争的。在协作体小，各种方法起着不同的作用。通过这种协作，产生了混合智能系统。模糊逻辑和神经网络都是重要的智能控制方法，将模糊逻辑和神经网络这两种软计算方法相结合，取长补短,形成一•种协作

2、体一模糊神经网络。2・模糊神经网络的研究进展模糊神经网络的发展经历了一个漫长的过程。MacCulloch-Pitta模型便是早期将模糊集应用到神经网络屮的一例。此后，人们对模糊神经网络研究得很少。直到1990年Takagi综述性地讨论了神经网络与模糊逻辑的结合oKosko(1992)出版了该领域的第一本专著《NeuralNetworkandFuzzySystems》，并在这本专著屮提出了模糊联想记忆、模糊认知图等重要概念，促进了模糊神经网络的研究向着多元化深入发展。(1)引入模糊运算的神经网络狭义模糊神经网络狭义模糊神经

3、网络通过调整参数进行学习。其学习算法可以采用通用学习算法,也可以通过对原有神经网络的学习算法进行拓展得到。反向传播学习算法、随机搜索法、遗传算法等是几种与具体神经网络结构无关的通用学习算法。(2)用模糊逻辑增强网络功能的神经网络这类模糊神经网络不是对神经网络与模糊逻辑直接进行融合，而是通过模糊逻辑改进神经网络的学习算法。首先通过分析网络性能得到启发式知识,然后再将启发式知识用于调整学习参数,从而加快了学习收敛速度。(3)基于神经网络的模糊系统一神经模糊系统于神经网络的模糊系统，也被称为神经模糊系统(NFS,Neural-

4、FuzzySystems),是利用神经网络学习算法的模糊系统。这类模糊神经网络按照模糊逻辑的运算步骤分层构造,不改变模糊系统的基本功能(如模糊化、模糊推理和解模糊化)。3.糊神经网络的应用在基于模糊神经网络的控制器方Berenji和Khedker(1992)采用增强式学习方法提出了GARIC控制器结构，该系统通过三个神经网络完成了控制的功能：ASN进行普通模糊控制,AEN评价控制效果,SAM随机综合ASN和AEN的过程,然后产生控制信号;Lin和Lee(1994)提出了一种H动构造模糊系统的方法，该方法应用多层前向网络构

5、造模糊控制器，一个网络作为模糊预测器，其余的网络则作为模糊控制器；Chen和Chang(1996),Chen和Li提出了运用模糊神经网络对PID控制器的参数进行调整的方法；陆文娟等(1999)研究了基模糊神经网络的机械手自适应控制,在常规控制器提取初始模糊规则的基础上，利用专家经验对初始规则进行补充，再使用反向传播算法对参数在线调整。过程建模是模糊神经网络另一个重要的应用方而。Takagi和Hayashi(1991)提出了NNDFR,并使用NNDFR建立了日本大阪湾COD浓度的预测模型；Jang(1992)提出了ANFI

6、S,并将其应用在复杂系统建模过程屮；Nie等(1996)利用无监督的自组织对向传播网络和自增长、自适应的向量划分方法，设计出简化的模糊逻辑模型，并将其用在PH值建模过程ip；Zhang和Mor-ris(1997)提出了一种动态的模糊神经网络，利用过程知识初始化反馈模糊神经网络的结构，并将其应用于CSTR的PH值动态建模过程屮；Schmitz和Aldrich(1998)使用椭圆体基函数神经网络和遗传算法对化工过程进行建模，并给出了CERN算法。3.总结模糊神经网络融合了神经网络和模糊逻辑特点，它从提高神经网络的启发性、透明

7、性和鲁棒性出发,将模糊化概念与模糊推理规则引入神经网络的神经元、连接权和网络学习屮。模糊神经网络可以有效地发挥模糊逻辑与神经网络的各优势，弥补齐自的不足•需进一步开拓研究新型模糊神经网络，并探讨其在工业过程中的应用。