ساخت توابع عضویت به وسیله شبکه های عصبی
- این مبحث بسیار شبیه مبحث قبلی است با این تفاوت که:
- در مطلب قبلی، ساختار fuzzy-rule برای ساخت شبکه عصبی به کار رفت.
- در این مطلب، یک شبکه عصبی برای ساخت قوانین فازی فشرده به کار می رود.
۱- قسمت بندی فازی داده ها
- عنصر مهم سیستمهای فازی، پارتیشن فازی فضای ورودی می باشد.
- اگر k ورودی داشته باشیم، قوانین فازی در فضای ورودی یک مکعب فازی k وجهی می سازند
- رسیدن به یک پارتیشن انعطاف پذیر برای معکعب های غیر خطی کار ساده ای نیست.
- ایده این مدل ساخت یک شبکه عصبی است که خروجی های آن درجه ای از ورودی هاست که به هر کلاس تعلق دارد.
- توابع عضویت این مدل می تواند غیر خطی، چند بعدی و برخلاف سیستم های فازی معمولی باشد.
ساخت توابع عضویت به وسیله شبکه های عصبی
۲- تقسیم بندی در ابر فضا
- برای تقسیم بندی ما نیاز به یک روش داریم که شبکه های عصبی بهترین گزینه برای آن است.
ساخت توابع عضویت به وسیله شبکه های عصبی
۲- مثالی از کنترل کننده ماشین پرس
ارزیابی سیستمهای فازی با شبکه های عصبی
- استفاده از شبکه های عصبی به عنوان شبیه ساز سیستم های فازی واقعی جهت ارزیابی کارآیی
- «جانگ-ایم» و «لی-کوانگ» الگوریتم کنترل فازی را برای کنترل شکل نهایی در کارخانه تولید فولاد طراحی کردند.
ترکیب شبکه های عصبی و سیستم های فازی
۱- ترکیب موازی : جهت تصحیح خروجی سیستم فازی با خروجی یک شبکه عصبی و به منظور افزایش دقت خروجی سیستم نهایی استفاده می شود. به عنوان مثال استفاده در محصولات مشتری
ترکیب شبکه های عصبی و سیستم های فازی
۲- ترکیب آبشاری: از این ترکیب در مواقعی که خروجی سیستم فازی یا شبکه عصبی برای ورودی های دیگر می باشد، استفاده می گردد.
مثال : پنکه برقی ژاپنی
تشخیص جهت چرخش با دریافت سیگنال
دستگاه کنترل
دیدگاه خود را بنویسید