模糊神經(jīng)網(wǎng)絡(luò)(Fuzzy Neural Network, FNN)

背景

系統(tǒng)復(fù)雜度的增加，人工智能深度化發(fā)展

• 模糊數(shù)學(xué)創(chuàng)始人L. A. Zadeh, 1921. 當(dāng)系統(tǒng)的復(fù)雜性增加時(shí)，我們使它精確化的能力將減小。直到達(dá)到一個(gè)閾值，一旦超過它，復(fù)雜性和精確性將互相排斥。
• 模糊集理論：集合討論一個(gè)對(duì)象具有某種性質(zhì)時(shí)記作A，不具有這種性質(zhì)時(shí)記作非A，且兩者必居其一，決不允許模棱兩可，而沒有考慮這種性質(zhì)的程度上的差異。

神經(jīng)網(wǎng)絡(luò)

分布式??容錯(cuò)、學(xué)習(xí)，無法利用系統(tǒng)信息、專家知識(shí)

• 只能描述大量數(shù)據(jù)之間的復(fù)雜函數(shù)關(guān)系
• 將知識(shí)存在權(quán)系數(shù)中，具有分布存儲(chǔ)的特點(diǎn)
• 涉及的神經(jīng)元很多(并行工作)，計(jì)算量大
• 權(quán)系數(shù)可由輸入輸出樣本中學(xué)習(xí)，無需人來設(shè)置
• 黑箱模型，參數(shù)不直觀，物理意義不明確。

模糊系統(tǒng)

系統(tǒng)性、專家知識(shí)??推理，建庫困難、自適應(yīng)困難

• 表達(dá)人的經(jīng)驗(yàn)性知識(shí)，便于理解
• 將知識(shí)存在規(guī)則中

模糊神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)的結(jié)合，在處理大規(guī)模的模糊應(yīng)用問題方面將表現(xiàn)出優(yōu)良效果。

模糊神經(jīng)網(wǎng)絡(luò)本質(zhì)是將模糊輸入信號(hào)和模糊權(quán)值輸入常規(guī)的神經(jīng)網(wǎng)絡(luò)。其結(jié)構(gòu)上像神經(jīng)網(wǎng)絡(luò)，功能上是模糊系統(tǒng)。

學(xué)習(xí)算法是模糊神經(jīng)網(wǎng)絡(luò)優(yōu)化權(quán)系數(shù)的關(guān)鍵。

總結(jié)：模糊神經(jīng)網(wǎng)絡(luò)雖然也是局部逼近網(wǎng)絡(luò)，但是它是按照模糊系統(tǒng)模型建立的，網(wǎng)絡(luò)中的各個(gè)結(jié)點(diǎn)及所有參數(shù)均有明顯的物理意義，因此這些參數(shù)的初值可以根據(jù)系統(tǒng)或定性的知識(shí)來加以確定，然后利用上述的學(xué)習(xí)算法可以很快收斂到要求的輸入輸出關(guān)系，這是模糊神經(jīng)網(wǎng)絡(luò)比前面單純的神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)所在。同時(shí)由于它具有神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，因而參數(shù)的學(xué)習(xí)和調(diào)整比較容易，這是它比單純的模糊邏輯系統(tǒng)的優(yōu)點(diǎn)所在。

?

References:

模糊神經(jīng)網(wǎng)絡(luò)背景、理論、應(yīng)用綜述https://wenku.baidu.com/view/22590c72cc17552706220818.html

淺析模糊神經(jīng)網(wǎng)絡(luò)https://wenku.baidu.com/view/94f77a7384868762cbaed58f.html

總結(jié)

以上是生活随笔為你收集整理的深度学习～模糊神经网络(FNN)的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。