سیستم های فازی و شبکه های عصبی (قسمت دوم)

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 سیستم های 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.

کاربردهای مختلف شبکه های عصبی – فازی :
1. Fuzzy Expert System
2. Fuzzy Controller
3. Fuzzy Matrix equations

ایجاد شبکه های عصبی با استفاده از سیستم های فازی

شبکه های عصبی برای افزایش کارایی سیستمهای فازی به کار می روند.
روش مورد استفاده برای طراحی شبکه های عصبی، به کارگیری سیستم های فازی یا ساختار بر پایه فازی است.
این مدل نوعی از روش تقسیم و تسخیر می باشد.
به جای استفاده از یک شبکه عصبی برای تمامی

داده های ورودی و خروجی، در این مدل چندین

شبکه ایجاد می گردد:

داده های ورودی-خروجی در داخل چندین

کلاس.

در شکل زیر شبکه عصبی فازی معادل کنترل کننده فازی

را مشاهده می کنید

e, ∆e: ورودی های شبکه فازی

,, : وزن های شبکه معادل توابع عضویت ورودی ها

و خروجی کنترل کننده

نرون های لایه اول پیاده کننده ۹ قائده فازی

نرون های لایه دوم ترکیب کننده قواعدی که خروجی یکسان

دارند.

نرون لایه سوم خروجی فازی

نرون D : defuzzier خروجی فازی

کاربرد :

۱:استفاده به به عنوان کنترل کننده فازی

۲:برای آموزش قواعد کنترل کننده فازی و پیدا کردن وزن های شبکه که همان توابع عضویت هستند.

مثالی از این مدل توسط Takagi و Hayashi ارائه گردید.
مطابق این روش:
- از یک شبکه عصبی برای ساخت جدا کننده فازی استفاده گردید
- یک روش که می توانست تعداد قوانین فازی و یا مقادیر ورودی زائد را کاهش دهد، مطرح گردید.

ارزیابی سیستم های فازی با شبکه های عصبی

استفاده از شبکه های عصبی به عنوان شبیه ساز سیستمهای فازی واقعی جهت ارزیابی کارآیی
«جانگ-ایم» و «لی-کوانگ» الگوریتم کنترل فازی را برای کنترل شکل نهایی در کارخانه تولید فولاد طراحی کردند.

ANFIS مخفف adaptive network-based fuzzy inference system می باشد.
یک شبکه تطبيق پذير و قابل آموزشی است که به لحاظ عملکرد کاملا مشابه سيستم استنتاج فازی است.
برای استفاده کارآمدتر می توان در آن از پارامترهای الگوریتم ژنتیک نیز استفاده نمود.
سیستم های ANFIS در اصل یک سیستم TSK (تاگاکی- سوگنو-کانگ) درجه ۱ هستند.
ANFIS از الگوریتم یادگیری HYBRID استفاده می کند.