Лабораторная работа4-теор (теоретическая часть к 4-ой лабораторной работе по АИУС)
Описание файла
Документ из архива "теоретическая часть к 4-ой лабораторной работе по АИУС", который расположен в категории "". Всё это находится в предмете "автоматизированные информационно-управляющие системы (аиус)" из 6 семестр, которые можно найти в файловом архиве МПУ. Не смотря на прямую связь этого архива с МПУ, его также можно найти и в других разделах. Архив можно найти в разделе "лабораторные работы", в предмете "автоматизированные информационно-управляющие системы (аиус)" в общих файлах.
Онлайн просмотр документа "Лабораторная работа4-теор"
Текст из документа "Лабораторная работа4-теор"
Лабораторная работа №4
«Гибридные нейронные сети. Программные ср-ва их реализации и упр-ия »
В основу аппарата гибридных нейронных сетей положены системы нечеткого вывода и нейронные сети, где выводы делаются на основе аппарата нечеткой логики соотв-щей ф-ии принадлежности, подстраиваются с использованием алгоритмов обучения. Такие системы не только используют априорную информацию, но и могут приобретать новые для поль-ля знания. Гибридная нейронная сеть – нейронная сеть с четкими сигналами, весами и активационной ф-ией, но объед-ием сигналов и весов и использованием Т-нормы и Т-конормы или некоторых др. непрерывных операций. Входы, выходы и веса гибридных нейронных сетей есть вещественные числа, принадлежащие отрезку (0;1). Примером подобной сети служит система имеющая следующую базу знаний:
П1: если Х1 есть L1 и Х2 есть L2 и Х3 есть L3, то Z есть Н,
П2: если Х1 есть Н1 и Х2 есть Н2 и Х3 есть L3, то Z есть М,
П3: если Х1 есть H1 и Х2 есть H2 и Х3 есть H3, то Z есть Н,
где X1,X2,X3 – входные переменные.
Z – выход системы.
L1, L2, L3, Н1, Н2, Н3,L,S – некоторые нечеткие множества с ф-ми принадлежности сипмоидного типа.
Рассмотрим архитектуру гибридной нейронной сети АНФИС.
Данная сеть может быть описана сл-щим образом:
Слой1: выходы узлов этого слоя представляют собой значения ф-ий принадлежности при корректных значениях входов.
Слой2: выходами нейронов этого слоя явл-ся степени истинности предпосылок каждого правила, базы знаний системы, вычисляемой по формуле:
a1=L1(a1)^L2(a2)^L3(a3)
a2=H1(a1)^H2(a2)^L3(a3)
a3=H1(a1)^H2(a2)^H3(a3)
Все нейроны этого слоя обозначены буквой Т. Они могут реализовывать Т-норму для моделирования операции «и».
Слой3: (N) вычисляет величины:
β1=a1/(a1+a2+a3)
β2=a2/(a1+a2+a3)
β3=a3/(a1+a2+a3)
Слой4: нейроны этого слоя выполняют операции:
b1*z1=b1*1/H(a1)
b2*z2=b2*1/M(a2)
b3*z3=b3*1/S(a3)
Слой5: единственный нейрон этого слоя вычисляет выход сети.
z0=b1*z1+b2*z2+ b3*z3