第十一讲混合(hùnhé)智能控制第一页，共四十五页。模糊(móhu)神经网络ANN（ArtificialNeuralNetwork）和FLS（FuzzyLogicalNetwork）的比较(bǐjiào)：相同之处1）都是非数值型的非线性函数的逼近器、估计器、和动态系统；2）不需要数学模型进行描述，但都可用数学工具(gōngjù)进行处理；3）都适合于VLSI、光电器件等硬件实现。不同之处：㈠工作机制方面：ANN——大量、高度连接，按样本进行学习FLS——按语言变量、通过隐含、推理和去模糊获得结果。第二页，共四十五页。㈣应用上：ANN——偏重于模式识别(móshìshíbié)，分类FLN——偏重于控制神经模糊网络——把ANN的学习机制和FLN的人类思维和推理结合(jiéhé)起来。㈡信息处理基本单元(dānyuán)方面：ANN——数值点样本，xiyiFLN——模糊集合（Ai，Bi）㈢运行模式方面：ANN——学习过程透明，不对结构知识编码FLN——不透明，对结构知识进行编码，推理过程外界可知第三页，共四十五页。结合方式有3种：1）神经模糊系统——用神经元网络来实现模糊隶属函数、模糊推理，基本上（本质上）还是(háishi)FLN。2）模糊神经系统——神经网络模糊化，本质上还是ANN。3）模糊-神经混合系统——二者有机结合。●基于(jīyú)神经网络的模糊逻辑运算①用神经网络实现(shíxiàn)隶属函数②神经网络驱动模糊推理③神经网络的模糊建模●用神经网络实现隶属函数)]}(exp[1{1)(1cgswxwxy第四页，共四十五页。wc和wg分别确定Sigmoid函数的中心(zhōngxīn)和宽度,S(x),M(x),L(x)组成大、中、小三个论域的隶属函数。逻辑(luójí)“与”可以用Softmin来实现：kbkakbkaeebeaebaba),min(soft)（b)Min(a,b)Softmin(a,时，当k函数。是非线性函数，生成sigmoida第五页，共四十五页。●神经网络驱动(qūdònɡ)模糊推理（NDF）),z,:yxfThenBYAXIfRiiii（是是和是rsxxxNNyThenAxxxXIfRnsssns,...,2,1),...,,(,),...,,(:2121是解决模糊推理中二个问题：①缺乏确定的方法选择隶属函数(hánshù)；②缺乏学习功能校正推理规则。用神经网络实现T—S模型(móxíng)，称为神经网络驱动模糊推理(NDF).网络由二部分组成:r为规则数,As是前提的模糊集合.NNs是模型的函数结构,由BP网络实现.第六页，共四十五页。学习的网络(wǎngluò)和训练的步骤8第七页，共四十五页。2)将数据(shùjù)聚类.分成r类.即有r条规则.TRD的数据有Nt个.3)训练规则的前提部分(bùfen)网络NN...
