КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Структура модуля
Объединение всех перечисленных выше элементов приводит к возникновению структуры, представленной на рис. 5.20. В ней выделя- Рис. 5.20. Реализация модуля нечеткого управления, использующего нейронную о ie системы дефуззификации. , Глава 5. Модули нечетко-нейронного управлет 5.3. Модуль управления с нейросетевоп дефуззификациеп
ются два функциональных модуля: первый охватывает слои от L1 до L3, а второй состоит из слоев L4 - L6. Задача первого модуля сводится к определению степени соответствия входных данных условиям правил, а также к выявлению уровня активности правил и к осуществлению нечеткого вывода. Второй модуль - это нейронная сеть, выполняющая функцию дефуззификации. Охарактеризуем каждый слой, выделенный в структуре модуля нечеткею управления. Слой L1 является входным. Каждый его элемент представляет функцию принадлежности нечеткого множества Д и задает степень принадлежности входных данных именно к этому множеству. Количество элементов в слое L1 равно количеству нечетких множеств А*. Например, для трех входов в случае, если для переменной первого входа определено пять функций принадлежности, а для переменных второго и третьего входа - по семь функций, то количество узлов (элементов слоя L1) составит 5 + 7 + 7 = 19. Для нечетких множеств А* будем использовать функции принадлежности f-класса с треугольной формой, описываемой выражением (5.31). Учитываемые в них параметры имеют физическую интерпретацию: bf определяет центр, а а, и с* ограничивают носитель (suport) k-ro нечеткого множества, соответствующего /-й входной переменной, что определяет форму и размещение каждой функции принадлежности. Такая интерпретация позволяет выбрать весьма достойное начальное размещение этих функций, а модификация параметров в процессе обучения дает возможность лучше адаптировать нечеткие множества А* к условиям решаемой задачи.
Слои L2 реализует блок вывода, точнее - это часть, выявляющая уровень активности правил щ в соответствии с зависимостью f^^rain^lXi)}. (5.32) Количество элементов этого слоя равно количеству правил N. Каждый элемент соответствует одному нечеткому правилу и определяет минимальную из степеней принадлежности, рассчитанных в предыдущем слое. Выходы этого слоя интерпретируются как степень соответствия входных данных условиям (суждениям) правил вывода. Применение операции минимум обусловлено только способом реализации нечеткой операции AND, и ничто не препятствует тому, чтобы вместо нее использовать, например, операцию умножения. Слой L3. Задача каждого из М элементов этого слоя заключается в объединении тех правил, которые имеют идентичные компоненты вывода (заключения). Поэтому количество элементов будет равно количеству используемых нечетких множеств Вк, причем М< N. На выходе формируется максимальный уровень активности нечетких правил, выводы которых отождествляются с одним и тем же нечетким множеством В". Следует подчеркнуть, что во всех слоях имеются соответствующие веса связей. Однако они обычно фиксируются и принимают значения О (что говорит об отсутствии связи) либо 1. Это особенно удобно именно в слое L3, в котором можно установить связи с предыдущим слоем по принципу «каждый с каждым» и в дальнейшем исключить излишние соединения за счет присвоения их весам значения 0. Итак, если в слое L3 находится М элементов (т.е. задано М различных нечетких множеств В то можно записать, что
=max{wkrtk}, где г = 1,..., М обозначает номер элемента в слое L3, /с = 1,.,., N - это номер правила, a wto- - веса связей между /с-м элементом слоя L2 и г-м элементом слоя L3.
Значения весов wv устанавливаются по результатам анализа нечетких правил. Для каждого правила задается связь (с весом 1) между его условием (суждением), которое является элементов слоя L2, и его выводом (элементы слоя L3). В корректно связанной сети каждый элемент слоя L2 связан только с одним элементом слоя L3. Это следует из того факта, что в базе нечетких правил одно и то же условие не может иметь несколько заключений, тогда как один и тот же вывод может делаться исходя из различных условий. Задача второго модуля заключается в выполнении дефуззификации нечетких множеств, полученных в процессе вывода, вплоть до выработки численного значения управляющего воздействия у\ Эта операция представляет собой математическое отображение над степенями принадлежности в качестве аргументов, поэтому она может быть реализована в виде многослойной нейронной сети Слои L4 - это входной слой нейронной сети. Он связан с последним слоем (L3) предыдущего модуля. Векторы весов связей /-го нейрона этого слоя будем обозначать w,<4). Слои L5 - это скрытый слой (hidden layer) нейронной сети. В рассматриваемом примере это единственный слой, однако в практических реализациях таких слоев может быть несколько. Векторы весов связей между этим и предыдущим слоем будем обозначать wp). Слой L6 - это выходной слой. В общем случае (нечеткая система с несколькими входами и выходами) нейроны этого слоя вырабатывают на своих выходах численные значения управляющих воздействий, которые представляют собой дефуззифицированные нечеткие результаты, полученные в процессе вывода. На рис. 5.20 представлена нечеткая система только с одним выходом. Вектор весов связей между этим и предыдущим слоем будем обозначать w/6>.
Дата добавления: 2015-06-04; Просмотров: 308; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |