神马文学网模糊神经网络与模糊专家系统
来源：百度文库 编辑：神马文学网 时间：2024/04/29 03:30:46
1.模糊神经网络
人工神经网络，以模仿人类大脑的拓扑结构作为一种新颖的技术，从80年代中期开始，由启蒙阶段到成熟并已扩展到工程各个领域。将网络思想与模糊逻辑推理思想相结合形成的模糊神经网络，作为人工智能领域一种新的技能、正向着更高层次的研究与应用方面发展。1991年日本就开始推出神经网络模糊式的家电产品，并在我国市场供应。1987年美国Bart Kosko教授提出了一种称为模糊联想记忆神经网络（Fuzzy Associative Memory——FAM，这种联想记忆神经网络是将模糊控制的规则隐含地分布在整个网络中，在神经网络的基础上通过学习训练产生模糊规则，一次模糊联想记忆就是一次模糊逻辑推理。因而，它在模糊控制、知识推理和模式匹配等领域有着潜在的应用前景。 1985年Bart Kosko提出模糊认知映射网络（Fuzzy Cognitive MaP——FCM）。这种网络中，各单元（节点）表示各个不同的模糊集，单元之间的连接权（或称棱）表示相应模糊概念之间的因果关系。它是一种知识网络，任何一个专家都可以把他的知识用这种模糊神经网络表达出来。应用FCM网络能灵活地、较好地表达专家的知识，进行自动推理和预测，能很好地解决知识的合成问题。1990年中国科学院自动化研究所应行仁、曾南，提出采用BP神经网络记忆模糊规则的控制，并进行了倒立摆的仿真试验。采用神经网络实现的模糊控制，不必进行复杂费时的规则搜索、推理，而只须通过高速并行分布计算就可产生输出结果。可以说，人工神经网络吸取了生物控制论的精华，对信息储存与处理是分布式（或全息式的）和并行式的。在这种方式下，各种神经元在信息共享的基础上各部分信息相互支持、相互补充，各自独立地从与其输入端相联接的其它神经元采集输入，并计算其输出，再将其传递给上一层（或其他）的神经元，作为它们的一个输入，或作为整个模型的输出，从而赋予模型较强的容错抗错性能和联想能力，使它不会因为部分神经元的损坏而严重影响其总体性能，也不会因为输入信号受到一定程度噪声污染而严重歪曲其输出。因此，人工神经网络具有鲁棒性。
近十年人工神经网络在我国机械工程领域进行了大量研究及应用的探索性工作，文献介绍了基于人工神经网络用于砂轮监控，参考文献探讨了用于移动机器人避障的人工神经网络和模糊逻辑控制技术。另外，在结构分析、设计综合多因素优化、复杂曲面建模等方面，人工神经网络的应用，也以它特有的优势受到高度重视。
人工神经网络，以模仿人类大脑的拓扑结构作为一种新颖的技术，从80年代中期开始，由启蒙阶段到成熟并已扩展到工程各个领域。将网络思想与模糊逻辑推理思想相结合形成的模糊神经网络，作为人工智能领域一种新的技能、正向着更高层次的研究与应用方面发展。1991年日本就开始推出神经网络模糊式的家电产品，并在我国市场供应。1987年美国Bart Kosko教授提出了一种称为模糊联想记忆神经网络（Fuzzy Associative Memory——FAM，这种联想记忆神经网络是将模糊控制的规则隐含地分布在整个网络中，在神经网络的基础上通过学习训练产生模糊规则，一次模糊联想记忆就是一次模糊逻辑推理。因而，它在模糊控制、知识推理和模式匹配等领域有着潜在的应用前景。 1985年Bart Kosko提出模糊认知映射网络（Fuzzy Cognitive MaP——FCM）。这种网络中，各单元（节点）表示各个不同的模糊集，单元之间的连接权（或称棱）表示相应模糊概念之间的因果关系。它是一种知识网络，任何一个专家都可以把他的知识用这种模糊神经网络表达出来。应用FCM网络能灵活地、较好地表达专家的知识，进行自动推理和预测，能很好地解决知识的合成问题。1990年中国科学院自动化研究所应行仁、曾南，提出采用BP神经网络记忆模糊规则的控制，并进行了倒立摆的仿真试验。采用神经网络实现的模糊控制，不必进行复杂费时的规则搜索、推理，而只须通过高速并行分布计算就可产生输出结果。可以说，人工神经网络吸取了生物控制论的精华，对信息储存与处理是分布式（或全息式的）和并行式的。在这种方式下，各种神经元在信息共享的基础上各部分信息相互支持、相互补充，各自独立地从与其输入端相联接的其它神经元采集输入，并计算其输出，再将其传递给上一层（或其他）的神经元，作为它们的一个输入，或作为整个模型的输出，从而赋予模型较强的容错抗错性能和联想能力，使它不会因为部分神经元的损坏而严重影响其总体性能，也不会因为输入信号受到一定程度噪声污染而严重歪曲其输出。因此，人工神经网络具有鲁棒性。
近十年人工神经网络在我国机械工程领域进行了大量研究及应用的探索性工作，文献介绍了基于人工神经网络用于砂轮监控，参考文献探讨了用于移动机器人避障的人工神经网络和模糊逻辑控制技术。另外，在结构分析、设计综合多因素优化、复杂曲面建模等方面，人工神经网络的应用，也以它特有的优势受到高度重视。