160 likes | 529 Views
類神經模糊網路. 49527036 花瑜君. 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。. 模糊邏輯.
E N D
類神經模糊網路 49527036 花瑜君
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。
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。
「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。
「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。
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。」
「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。
「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)。
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。
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。
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
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。
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