類神經模糊網路

1. 類神經模糊網路 49527036 花瑜君

2. 前言 類神經網路（Neural Network）與模糊理論(Fuzzy Theory）目前均被成功地應用在各個不同的領域上 ，同時也是目前研究上的一個熱門課題。類神經網路 與模糊集合常常被相提並論，基本上兩者均有增加系 統智慧，模擬一個輸入，輸出對應關係等的能力。這 意謂著，兩者間有一種巧妙的關係存在。到底這種關 係為何，兩者間有何相似、差異性，便是一個值得思 索的題目。此外，在工程應用或問題解決上，如何在 兩耆間做一合適的選擇，也是常見的問題。

3. 模糊邏輯 • 何謂「模糊邏輯」（Fuzzy logic）？ 一九六五年，美國加州柏克萊大學，電子及計算學系教授扎德(L.A.Zadeh）發表模糊集合(FUZZY SET)論文。認為，人類的思考邏輯是模糊的，即使條件和資料不明確，仍必須作下判斷。而現代電腦是兩極邏輯，非0即1，這和人類思考方式剛好背道而馳，毫無改變空間。但模糊邏輯理論卻能提供一種方法，將研究對象以0與1之間的數值來表示模糊概念的程度，稱為「部分函數」(membership function)將人類的主觀判斷數值化，使得研究結果更能符合人類思考模式。

4. 「模糊邏輯」的應用？ 模糊邏輯 最先是應用在傳統的控制系統。例如最近日本的洗衣機製造廠所推出FUZZY智慧型衣機，裝有「模糊邏輯」晶片的洗衣機，有超過百分之七十是用模糊邏輯來作控制，這種洗衣機能根據待洗衣物之纖維成分，辨認水中骯髒的程度，進而調整洗衣機的轉速、清洗時間、洗衣粉用量以及清洗週期。EX：衣服很骯髒，清洗時間即會久些之類的判斷。

5. 「模糊值」設定範例？ 由於邏輯表示的事物，非真即假，但直正世界觀察到的現象往往並非如此。例如，當電腦視覺在做圖案辦認，假定遇到像下圖四個形狀時，若要電腦辨認哪幾個形狀為圓形，電腦就很難用絕對邏輯值的「是」或「不是」來回答您的問題。因為問題本身就沒有絕對「是」或「不是」為圓形，怎麼來回答您？沒有絕對的事物就是模糊邏輯要探討的領域。

6. 類神經網路 • 什麼是「類神經網路」？ 類神經網路（artificial neural network）, 或譯為「人工神經網路」，則是指模仿生物神經網路的資訊處理系統。 ＊「類神經網路」較精確的定義為： 「類神經網路是一種計算系統，包括軟體與硬體，它使用大量簡單的相連人工神經元來模仿生物神經網路的能力。人工神經元是生物神經元的簡單模擬，它從外界環境或者其它人工神經元取得資訊，並加以非常簡單的運算，並輸出其結果到外界環境或者其它人工神經元。」

7. 「類神經網路」的發展史？ 類神經網路的發展史可分成五個時期： (1) 孕育期(1956之前)：Rosenblatt提出「感知機」模 式前。                    (2) 誕生期(1957–68)：Rosenblatt提出「感知 機」模式起。 (3) 挫折期(1969–81)：Minsky與Papert出版感知 機」一書起。     (4) 重生期(1982–86)：霍普菲爾(J.Hopfield)提出 「霍普菲爾網路」起。 (5) 成熟期(1987迄今)：第一次正式的國際類神經網路研 討會召開。

8. 「類神經網路」的應用面？ 1.監督式學習應用 從問題領域中取得訓練範例(有輸入變數值，也有輸出變數)，並從中學習輸入變數與輸出變數的內在對映規則，以應用於新的案例(只有輸入變數值，而需推論輸出變數值的應用)。 2.非監督式學習應用從問題領域中取得訓範例 (只有輸入變數值)，並從學習範例的內在聚類規則，以應用於新的案例 (有輸入變數值，而需推論它與哪些訓練範例屬同一聚類的應用)。

9. 3.聯想式學習應用 從問題領域中取得訓練範例 (狀態變數值)，並從中學習範例的內在記憶規則，以應用於新的案例 (只有不完整的狀態變數值，而需推論其完整的狀態變數值的應用)。Ex：雜訊過濾、資料擷取。 4.最佳化問題應用 類神經網路除了「學習」應用外，還有一類特殊應用-最適化應用：對一問題決定其設計變數值，使其在滿足設計限制下，使設計目標達最佳狀態的應用。此類應用的網路架構大都與聯想式學習網路的架構相似。

10. 類神經網路與模糊系統之共通點及差異性 • 一般而言，類神經網路與模糊系統均具有在不須要知道一個系統的數學模式下，便能成功的估測此一系統的能力。由於兩者均採用數值的方法來解決問題，這使得我們可以用數學工具來處理，同時方便以演算法完成。由於方便以演算完成，使得硬體實現更加容易。而這些特性正是類神經網路和模糊理論與利用符號（Symbolic）方法來解決問題的人工智慧（Artificial intelligence）的不同處。

11. 類神經網路及模糊理論的共同特性 • 兩者均是用來模擬人類的大腦。 • 知識的分散式表示（Distributed representation） • 兩者均是可以訓練的動態系統 • 均具有歸納 （Generalization）能力及容錯能力

12. 應用 許多不同的領域上，兩者皆成功的被用來增加所控制的系統的機器智慧（Machine intelligence)。 如類神經網路被用在語音辨識、影像處理、高速modem、 機場爆炸物偵測等。而模糊系統則用在地下鐵駕駛、 電視電腦的磁頭調整、空調系統的調整、機械手臂、工業製造程序、電梯、交通號誌的控制等。而類神經網路與模糊邏輯理論結合（類神經模糊網路）之應用也是非常廣泛。在洗衣機的應用方面，類神經網路即當作模糊控制器之補償器，在洗衣機中，除了原有之模糊控制器外，有一類神經網路被加進來，根據電導特性來量測水的透明或不透明（即乾淨或不乾淨），此電導性即當作類神經網路的輸入。

13. 參考資料出處 • http://myweb.hinet.net/home4/lingb28/b9091199/Fuzzy.htm • http://www.bwfy.url.tw/data/Fuzzy/fuzzy_neural.htm