模糊神經網絡(Fuzzy Neural Network, FNN)

背景

系統復雜度的增加，人工智能深度化發展

• 模糊數學創始人L. A. Zadeh, 1921. 當系統的復雜性增加時，我們使它精確化的能力將減小。直到達到一個閾值，一旦超過它，復雜性和精確性將互相排斥。
• 模糊集理論：集合討論一個對象具有某種性質時記作A，不具有這種性質時記作非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的程度上的差異。

神經網絡

分布式??容錯、學習，無法利用系統信息、專家知識

• 只能描述大量數據之間的復雜函數關系
• 將知識存在權系數中，具有分布存儲的特點
• 涉及的神經元很多(并行工作)，計算量大
• 權系數可由輸入輸出樣本中學習，無需人來設置
• 黑箱模型，參數不直觀，物理意義不明確。

模糊系統

系統性、專家知識??推理，建庫困難、自適應困難

• 表達人的經驗性知識，便于理解
• 將知識存在規則中

模糊神經網絡

神經網絡與模糊系統的結合，在處理大規模的模糊應用問題方面將表現出優良效果。

模糊神經網絡本質是將模糊輸入信號和模糊權值輸入常規的神經網絡。其結構上像神經網絡，功能上是模糊系統。

學習算法是模糊神經網絡優化權系數的關鍵。

總結：模糊神經網絡雖然也是局部逼近網絡，但是它是按照模糊系統模型建立的，網絡中的各個結點及所有參數均有明顯的物理意義，因此這些參數的初值可以根據系統或定性的知識來加以確定，然后利用上述的學習算法可以很快收斂到要求的輸入輸出關系，這是模糊神經網絡比前面單純的神經網絡的優點所在。同時由于它具有神經網絡的結構，因而參數的學習和調整比較容易，這是它比單純的模糊邏輯系統的優點所在。

?

References:

模糊神經網絡背景、理論、應用綜述https://wenku.baidu.com/view/22590c72cc17552706220818.html

淺析模糊神經網絡https://wenku.baidu.com/view/94f77a7384868762cbaed58f.html

總結

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)的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。