Нечеткие нейронные сети.
Лабораторная работа №2.
Цель: моделирование нечеткого вывода с использованием нейронной сети. Синтез нечетких моделей с помощью системы нейро-нечеткого вывода ANFIS в среде MatLab.
Алгоритм настройки нечетких нейронных сетей рассмотрим на примере системы, включающей следующие правила (аналог алгоритма Sugeno):
П2: если х есть А2, тогда z есть B2, ……………………………… ПN: если х есть АN, тогда z есть BN,
характеризующиеся параметрами ai и bi.
Степени истинности правил определяются в данном случае соотношением Функции Bi– заданы прямыми а выход системы - выражением .
Задание для выполнения: 1) Используя эталонную нейро-нечеткую сеть из двух правил, описанную в теоретической части, Неизвестные параметры сигмоидных функции A1 и A2, а так же линейных функции B1 и B2 взять из варианта задания.
2) Используя сформированную выборку в модуле ANFIS системы MatLab (см. файл anfis_forms.doc) выполнить построение и обучение (т.е. настройку параметров ai, bi, ci и ki) нечеткой нейронной сети, рассмотренной в теоретической части. Функции принадлежности для входных и выходной переменных подобрать самостоятельно. Установить оптимальный метод обучения ( backpropa или hybrid ). Привести график промежуточных результатов обучения, а также информацию о числе эпох и значении ошибки в форме: 3) Протестировать нечеткую нейронную сеть. Сверить результаты работы обученной нейронной сети с исходными данными (из пункта 1).
4) Кроме того, для просмотра результатов работы системы воспользоваться графическими возможностями пакета Fuzzy Logic Toolbox: модуль Rule Viewer и модуль Surface Viewer .
5) Увеличить количество правил в исходной нейронной сети и повторить пункты 2-4.
Вариант:
Выполнение работы:
Вывод: смоделирован нечеткий вывод с использованием нейронной сети. А также синтез нечетких моделей с помощью системы нейро-нечеткого вывода ANFIS в среде MatLab.
©2015 arhivinfo.ru Все права принадлежат авторам размещенных материалов.
|