Тема 16. ПРОГРАМНІ ЗАСОБИ ДЛЯ СИНТЕЗУ НЕЙРО-НЕЧІТКИХ МОДЕЛЕЙ МЕРЕЖ

Після опанування теми студент має знати:

• переваги редактора Fuzzy Logic Toolbox;

• у чому полягають особливості паралельних нейро-нечітких мереж;

• виділення нечітких правил за допомогою карт, що самоорганізуються

• програмні засоби для синтезу нейро-нечітких моделей; має вміти:

• порівнювати властивості нечітких систем та нейронних мереж;

• моделювати діяльність компанії;

• описувати особливості систем, що здатні навчати нечіткі множини;

• побудувати нейро-нечітку кластер-регресійну апроксимацію.

ЗМІСТ ПИТАНЬ З ТЕМИ

16.1. Нечіткі нейронні мережі в Matlab ANFIS

Модуль Fuzzy Logic Toolbox поряд із засобами для побудови нечітких моделей містить засоби для синтезу нейро-нечітких мереж. ANFIS-редактор дозволяє автоматично синтезувати з експериментальних даних нейро-нечіткі мережі. Завантаження ANFIS-редактора здійснюється командою anfisedit. ANFIS-редактор містить меню: File, View (аналогічні меню FIS-редактора) та Edit, а також області керування створенням нейро-нечіткої мережі (рис. 5.6).

Автоматизацію етапу параметричної ідентифікації пакет Fuzzy Logic Toolbox забезпечує тільки для моделей типу Sugeno. Настроювання виконується з використанням технології ANFIS (Adaptive Network_based Fuzzy Inference System) — одного з перших методів побудови нейрo-нечітких систем для апроксимації функцій, запропонованого Янгом у 1991 р. Настроювання є ітераційною процедурою знаходження параметрів функцій приладдя, що мінімізує розбіжності між дійсною і бажаною поведінками

Рис. 5.6. ANFIS-редактор

Пакет Fuzzy Logic Toolbox дозволяє автоматично синтезувати з даних нечітку БЗ для моделі типу Sugeno. Для цього використовують два алгоритми — гратчасте розбиття (grid partition) і субтрактивну кластеризацію (subtractive clustering). На виході першого алгоритму виходить БЗ, що містить усі можливі правила. У результаті субтрактивної кластеризації генеруються правила, що відповідають зонам найбільшої концентрації даних.

• Можливість створення нечітких нейронних мереж Мамдані і Сугено, найбільш популярних і затребуваних для вирішення простих завдань.

• Неможливість створювати гібридні системи за іншими алгоритмами.

моделі. Користувач може вибрати метод настроювання — метод зворотного розповсюдження помилки або його комбінацію з методом найменших квадратів.

• Настроювання моделей типу Мамдані в пакеті Fuzzy Logic Toolbox не передбачено.

• Гібридна система може мати тільки один вихід.

• За великої кількості входів виникають труднощі у використанні програми (необхідне істотне підвищення продуктивності комп’ютера).

Адаптивна нечітка система, заснована на системі нечіткого висновку є архітектурою гібридної мережі, яка є нейронною мережею з чіткими сигналами, вагами і активізаційною функцією, але з об’єднанням сигналів і вагів мережі з використанням операцій над нечіткими множинами: Т-норми, S-ко норми та ін. Відмінністю нечіткої множини від звичайної є те, що для елементів х, які лежать в універсальній множині, не існує однозначної відповіді «так/ні» стосовно деякої властивості. У зв’язку з цим нечітку підмножину «А» визначають через упорядковані пари А =