計(jì)算機(jī)軟件及應(yīng)用神經(jīng)網(wǎng)絡(luò)

計(jì)算機(jī)軟件及應(yīng)用神經(jīng)網(wǎng)絡(luò)第1頁(yè)/共32頁(yè)從主要的功能角度看:人腦又是個(gè)典型的模糊系統(tǒng)。人類生存的環(huán)境，有精確的和模糊的兩部分。人類思維的奇妙之處正是因?yàn)橛芯_思維和模糊思維兩部分組成的結(jié)果，使它不僅有精確性、清晰性和邏輯性而且有模糊性、容錯(cuò)性和非邏輯性。第2頁(yè)/共32頁(yè)人工神經(jīng)元網(wǎng)絡(luò)是對(duì)人腦的結(jié)構(gòu)和工作方式的近似與簡(jiǎn)化，這種結(jié)構(gòu)和工作方式的并行性在許多方面已經(jīng)產(chǎn)生了類似于人腦行為的某些功能特點(diǎn)；人工模糊系統(tǒng)是以模糊集合論、模糊語(yǔ)言變量以及模糊邏輯推理的知識(shí)為基礎(chǔ)．力圖在較高的層次上對(duì)人腦思維的模糊性方面進(jìn)行工程化的模擬。模糊理論是解決復(fù)雜的非線性系統(tǒng)決策所使用的一種方法。第3頁(yè)/共32頁(yè)人工神經(jīng)元網(wǎng)絡(luò)與模糊系統(tǒng)的共同之處:(1)它們?cè)谔幚砗徒鉀Q問(wèn)題時(shí)，無(wú)需建立對(duì)象的精確數(shù)學(xué)模型，只需要根據(jù)輸入的采樣數(shù)據(jù)去估計(jì)其要求的決策，這是一種無(wú)模型的估計(jì)。人工神經(jīng)元網(wǎng)絡(luò)是通過(guò)學(xué)習(xí)算法實(shí)現(xiàn)結(jié)構(gòu)的可變性(指連接權(quán))，逐步適應(yīng)外部環(huán)境的各種因素的作用，不斷地發(fā)掘所研究對(duì)象之間內(nèi)在的因果關(guān)系，最終達(dá)到解決問(wèn)題的目的。這種因果關(guān)系是直接表現(xiàn)為一種不很精確的輸入輸出值描述。第4頁(yè)/共32頁(yè)模糊系統(tǒng)是根據(jù)一些由人們總結(jié)出來(lái)的描述各種因素之間相互關(guān)系的模糊性語(yǔ)言經(jīng)驗(yàn)規(guī)則，并將這些規(guī)則上升為簡(jiǎn)單的數(shù)值運(yùn)算，以便讓機(jī)器代替人在相應(yīng)的問(wèn)題面前進(jìn)行推理決策具體地實(shí)現(xiàn)這些規(guī)則。這些經(jīng)驗(yàn)規(guī)則的形成是基于對(duì)它們進(jìn)行的定性的、大致精確的觀察和總結(jié)，因此，實(shí)現(xiàn)這些語(yǔ)言件經(jīng)驗(yàn)規(guī)則的數(shù)值運(yùn)算也就無(wú)需是一種基于它們精確數(shù)學(xué)模型的數(shù)值運(yùn)算。第5頁(yè)/共32頁(yè)(2)人工神經(jīng)元網(wǎng)絡(luò)和模糊系統(tǒng)在對(duì)信息的加工處理過(guò)程中，均表現(xiàn)出很強(qiáng)的容錯(cuò)能力。人工神經(jīng)元網(wǎng)絡(luò)在計(jì)算處理信息的過(guò)程中所表現(xiàn)出來(lái)的容錯(cuò)性，來(lái)自于其網(wǎng)絡(luò)自身的結(jié)構(gòu)特點(diǎn)。模糊系統(tǒng)是仿效人的模糊邏輯思維方法設(shè)計(jì)的一類系統(tǒng)，該方法本身就明確地說(shuō)明了系統(tǒng)在工作過(guò)程中允許數(shù)值型量的不精確性的存在。人腦思維的容錯(cuò)能力，正是來(lái)源于這兩個(gè)方面的綜合--思維方法的模糊性和大腦本身的結(jié)構(gòu)特點(diǎn)。

第6頁(yè)/共32頁(yè)(3)它們都可以用硬件實(shí)現(xiàn)由于它們的實(shí)現(xiàn)，提高了計(jì)算機(jī)、控制和AI等的“智能”程度，使那些采用嚴(yán)格建模的方法難以解決的非線性問(wèn)題得到一些解決。它們兩者涉及的系統(tǒng)多數(shù)為動(dòng)態(tài)系統(tǒng)。ANN主要用于自適應(yīng)控制、優(yōu)化、識(shí)別和統(tǒng)計(jì)等；模糊系統(tǒng)應(yīng)用于概率、數(shù)學(xué)邏輯和測(cè)試?yán)碚摰取?/p>

第7頁(yè)/共32頁(yè)人工神經(jīng)元網(wǎng)絡(luò)與模糊系統(tǒng)的異同之處：(1)映射集

ANN是用點(diǎn)與點(diǎn)的映射得到輸入與輸出的關(guān)系，它們的訓(xùn)練集都是確定的量，因而它的映射關(guān)系也必然是一一對(duì)應(yīng)的。模糊系統(tǒng)的輸入輸出變量都是經(jīng)過(guò)模糊化的量，它們都不是用明確的數(shù)來(lái)表示，其輸入已模糊化為一個(gè)隸屬度的值來(lái)表示，顯然它是區(qū)域塊與區(qū)域塊之間的映射。第8頁(yè)/共32頁(yè)(2)知識(shí)的存儲(chǔ)方式人工神經(jīng)元網(wǎng)絡(luò)的基本單元是神經(jīng)元．用多層網(wǎng)絡(luò)實(shí)現(xiàn)映射時(shí)，它們之間是用權(quán)連接的。人工神經(jīng)元網(wǎng)絡(luò)是靠樣本輸入，由網(wǎng)絡(luò)自身進(jìn)行學(xué)習(xí)而得到，其結(jié)果是與樣本集有關(guān)。學(xué)習(xí)的知識(shí)是分布地存儲(chǔ)在權(quán)中間的。模糊系統(tǒng)則是以規(guī)則的方式來(lái)存儲(chǔ)知識(shí)的，因此，在隸屬函數(shù)的形式、區(qū)域劃分的大小和規(guī)則的制定上人為的因素更多一些，如果利用專家的知識(shí)和經(jīng)驗(yàn)，那么模糊的結(jié)構(gòu)和結(jié)果比人工神經(jīng)元網(wǎng)絡(luò)要優(yōu)良些。第9頁(yè)/共32頁(yè)(3)映射的精度人工神經(jīng)元網(wǎng)絡(luò)是用點(diǎn)點(diǎn)映射的辦法，因此它的輸出與輸入之間的關(guān)系曲面比較光滑；模糊系統(tǒng)則是區(qū)域之間的映射，如果區(qū)域分得比較粗，那么映射輸出的表面就比較粗糙，每一條規(guī)則如梯形臺(tái)階。模糊系統(tǒng)的編碼精度較低，特別當(dāng)推理路徑較長(zhǎng)時(shí)．其精度下降也更大。要求映射的精度較高，用人工神經(jīng)元網(wǎng)絡(luò)較好。第10頁(yè)/共32頁(yè)（4）連接方式人工神經(jīng)元網(wǎng)絡(luò)每個(gè)權(quán)都要進(jìn)行學(xué)習(xí)，費(fèi)時(shí)較多；在模糊控制中，每次輸入可能只與幾條規(guī)則有關(guān)，顯然連接并不是固定的，每次輸入、輸出聯(lián)系的規(guī)則都是在變動(dòng)的，而每次連接的規(guī)則數(shù)目較少，運(yùn)用方便。第11頁(yè)/共32頁(yè)(5)結(jié)構(gòu)的物理意義從外部宏觀上看人工神經(jīng)元網(wǎng)絡(luò)是有物理含義的，但網(wǎng)絡(luò)內(nèi)部的每個(gè)權(quán)不一定都有明確的物理意義，不同的初始權(quán)值得到的結(jié)果是不相同的，無(wú)法用統(tǒng)一概念特征去描述它。模糊系統(tǒng)的輸入和輸出用規(guī)則來(lái)映射它們之間的關(guān)系，大致是明確的，其物理意義也是清楚的，因此在映射出現(xiàn)偏差時(shí)，可以通過(guò)修改規(guī)則或者其他變量以得到比較好的修正結(jié)果。第12頁(yè)/共32頁(yè)(6)計(jì)算量人工神經(jīng)元網(wǎng)絡(luò)的計(jì)算涉及到乘法、累加和指數(shù)運(yùn)算以及反復(fù)迭代等。模糊系統(tǒng)的計(jì)算只需要兩個(gè)量的比較和累加，加上每次迭代涉及到的規(guī)則不多，因此，模糊系統(tǒng)的計(jì)算速度比人工神經(jīng)元網(wǎng)絡(luò)更快，實(shí)時(shí)應(yīng)用可能性大。當(dāng)模糊輸入與輸出變量很多的時(shí)候，用一張模糊規(guī)則表已難以表達(dá)多變量之間的關(guān)系，而且制定規(guī)則也遇到一定困難，那么，隸屬函數(shù)以及規(guī)則本身也需要通過(guò)學(xué)習(xí)得到，顯然它的計(jì)算量也會(huì)增加。第13頁(yè)/共32頁(yè)(7)信息的性質(zhì)和編碼人工神經(jīng)元網(wǎng)絡(luò)是對(duì)于一些有關(guān)聯(lián)的信息，通過(guò)學(xué)習(xí)的方法，將輸入與輸出的關(guān)聯(lián)知識(shí)以權(quán)值的方式編碼存儲(chǔ)下來(lái)，它表示關(guān)聯(lián)性知識(shí)不僅需要大量的數(shù)據(jù)而且需要很長(zhǎng)的學(xué)習(xí)時(shí)間。模糊系統(tǒng)是直接對(duì)專家用語(yǔ)言描述的事件、關(guān)聯(lián)的關(guān)系進(jìn)行編碼，然后，將編碼結(jié)果放入一個(gè)模糊矩陣中。對(duì)于許多實(shí)際問(wèn)題，模糊矩陣的維數(shù)是比較小的，它將數(shù)字方法和用符號(hào)表示的模型及AI方法結(jié)合起來(lái)。知識(shí)的采集是按語(yǔ)言描述的方式進(jìn)行，但又是利用數(shù)字表示這些知識(shí)，用數(shù)值方法進(jìn)行處理。人們可以追蹤它的推理過(guò)程．也易理解模糊系統(tǒng)所編碼的知識(shí)，也很容易引入啟發(fā)性知識(shí)。第14頁(yè)/共32頁(yè)人工神經(jīng)元網(wǎng)絡(luò)與模糊系統(tǒng)各有其特點(diǎn)和應(yīng)用范圍，又由于它們都是利用數(shù)值形式進(jìn)行處理，故有可能將兩者結(jié)合起來(lái)，組成模糊神經(jīng)元網(wǎng)絡(luò)，使之兼有兩之長(zhǎng)。兩者的結(jié)合是發(fā)展的必然。模糊神經(jīng)網(wǎng)絡(luò)一方面可以對(duì)專家用語(yǔ)言描述的事件直接進(jìn)行編碼，可以用語(yǔ)言描述方式來(lái)采集知識(shí)，比較容易引入啟發(fā)性知識(shí)，還可以跟蹤推理過(guò)程，能使網(wǎng)絡(luò)中的權(quán)值具有明顯的含義。第15頁(yè)/共32頁(yè)另一方面，和其他人工神經(jīng)元網(wǎng)絡(luò)一樣，它也具有學(xué)習(xí)功能，可以通過(guò)學(xué)習(xí)來(lái)提高其編碼的精度。它是當(dāng)前很有發(fā)展前途的技術(shù)，已應(yīng)用于控制、模式分類、作模糊模型、專家系統(tǒng)的預(yù)處理器、圖像分割、邊緣檢測(cè)以及加速神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)等方面，已取得了明顯的效果。

第16頁(yè)/共32頁(yè)人工神經(jīng)元網(wǎng)絡(luò)與模糊系統(tǒng)結(jié)合的方式很多，大體上有兩種基本方式：第一種方式：是將人工神經(jīng)元網(wǎng)絡(luò)作為一種計(jì)算工具引進(jìn)已有的模糊系統(tǒng)中，具體說(shuō)就是將

人工神經(jīng)元網(wǎng)絡(luò)作為模糊系統(tǒng)中隸屬函

數(shù)、模糊規(guī)則和擴(kuò)展原理的網(wǎng)絡(luò)化描述

形式。應(yīng)用人工神經(jīng)元網(wǎng)絡(luò)對(duì)下面兩類問(wèn)題可以解決：

兩者結(jié)合的基本方式第17頁(yè)/共32頁(yè)（1）專業(yè)人員對(duì)于問(wèn)題認(rèn)識(shí)的深度和綜合能力，直接影響到模糊系統(tǒng)工作性能的好壞，對(duì)于某些問(wèn)題，不同的專業(yè)人員持有的見解存在著一定的差異，

人工神經(jīng)元網(wǎng)絡(luò)方法以一種簡(jiǎn)單的數(shù)值運(yùn)算方式

來(lái)綜合他們不同的語(yǔ)言性經(jīng)驗(yàn)。（2）對(duì)有些問(wèn)題，即使是很有經(jīng)驗(yàn)的專業(yè)人員也很難將他們的經(jīng)驗(yàn)總結(jié)歸納為一些比較明確而簡(jiǎn)化的規(guī)則，并以語(yǔ)言的形式表達(dá)出來(lái)。在這種情況下，

人工神經(jīng)元網(wǎng)絡(luò)能為模糊系統(tǒng)建立行之有效的決

策規(guī)則。

第18頁(yè)/共32頁(yè)為了解決上述兩類問(wèn)題，可以采用模糊認(rèn)知映射FCM(FuzzyCognitiveMaps)結(jié)構(gòu)，在一定程度上通過(guò)數(shù)值運(yùn)算的形式實(shí)現(xiàn)對(duì)結(jié)構(gòu)性語(yǔ)言經(jīng)驗(yàn)的綜合推理；而利用單層前向網(wǎng)絡(luò)輸入輸出積空間的聚類方法，那么能夠直接從原始的工作數(shù)據(jù)中歸納出若干條規(guī)則．最后以語(yǔ)言的方式表示出來(lái)。第19頁(yè)/共32頁(yè)在模糊系統(tǒng)的規(guī)則形成部分采用神經(jīng)元網(wǎng)絡(luò)可以得到一類新穎的自適應(yīng)模糊系統(tǒng)，這就是基于神經(jīng)元網(wǎng)絡(luò)的自適應(yīng)模糊系統(tǒng)。這類系統(tǒng)是把自適應(yīng)原理引入模糊神經(jīng)元網(wǎng)絡(luò)中，使它能適應(yīng)環(huán)境的變化，從而使系統(tǒng)具有更大的魯棒性。因此，這類系統(tǒng)有著廣泛的應(yīng)用前景。這類系統(tǒng)具有類似于神經(jīng)元網(wǎng)絡(luò)的形式，但其輸入所連接的是不同的模糊控制規(guī)則，而不是普通神經(jīng)元網(wǎng)絡(luò)的節(jié)點(diǎn)。通常，有幾種自適應(yīng)算法可以對(duì)模糊神經(jīng)元網(wǎng)絡(luò)進(jìn)行自適應(yīng)的修改。這類系統(tǒng)不同于傳統(tǒng)的模糊控制系統(tǒng)。第20頁(yè)/共32頁(yè)傳統(tǒng)的模糊控制系統(tǒng)不能很好地適應(yīng)環(huán)境的變化，當(dāng)外部環(huán)境變化時(shí)，它們可以從一條規(guī)則改變到執(zhí)行另一條規(guī)則，但是，規(guī)則本身是不能改變的。這是一種靜態(tài)系統(tǒng)，它對(duì)于環(huán)境已知，測(cè)量值正常時(shí)，其性能是好的，但是，當(dāng)外部環(huán)境變化時(shí)，使其假設(shè)的前提條件受到了破壞，其后果也可能是災(zāi)難性的。第21頁(yè)/共32頁(yè)第二種方式：是將模糊件原理引入現(xiàn)有的神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)中，這種結(jié)合又可分為以下四種情形：（1)將訓(xùn)練及工作過(guò)程中的神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)視為—種模糊的類別標(biāo)志；(2)將模糊性原理應(yīng)用到神經(jīng)元網(wǎng)絡(luò)中的每個(gè)神經(jīng)元，即改變傳統(tǒng)神經(jīng)元的綜合函數(shù)和傳遞函數(shù)形式，使得神經(jīng)元在功能上表現(xiàn)為各種模糊運(yùn)算操作，例如模糊交集、并集和模糊加權(quán)等等。第22頁(yè)/共32頁(yè)(3)對(duì)神經(jīng)元網(wǎng)絡(luò)的輸入數(shù)據(jù)進(jìn)行模糊化預(yù)處理；(4)將模糊關(guān)系引入神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)。其基本思想是將

模糊并集、交集等運(yùn)算操作和神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)機(jī)

制結(jié)合起來(lái)，在神經(jīng)元網(wǎng)絡(luò)中，關(guān)系數(shù)據(jù)的作用遠(yuǎn)未受到如同特征數(shù)據(jù)那樣的重視。最近，模糊形式的Kohonen網(wǎng)絡(luò)和模糊ART模型等也巳相繼出現(xiàn)，請(qǐng)查閱有關(guān)文獻(xiàn)。第23頁(yè)/共32頁(yè)第八章人工神經(jīng)網(wǎng)絡(luò)應(yīng)用文字識(shí)別印刷體文字識(shí)別、手寫體文字識(shí)別圖像處理圖像數(shù)據(jù)壓縮、圖像邊緣檢測(cè)、圖像自動(dòng)分類、醫(yī)學(xué)自動(dòng)診斷、目標(biāo)自動(dòng)識(shí)別、圖像補(bǔ)正、工業(yè)產(chǎn)品檢查第24頁(yè)/共32頁(yè)優(yōu)化組合應(yīng)用神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)神經(jīng)網(wǎng)絡(luò)在智能控制中的應(yīng)用神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)第25頁(yè)/共32頁(yè)神經(jīng)網(wǎng)絡(luò)技術(shù)的選取神經(jīng)網(wǎng)絡(luò)各種模型的應(yīng)用范圍網(wǎng)絡(luò)設(shè)計(jì)的基本原則第九章神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)第26頁(yè)/共32頁(yè)神經(jīng)網(wǎng)絡(luò)技術(shù)的選取是否有必要采用神經(jīng)網(wǎng)絡(luò)？能夠精確求出系統(tǒng)的傳遞函數(shù)；能夠用數(shù)學(xué)表達(dá)式對(duì)系統(tǒng)進(jìn)行描述的系統(tǒng)應(yīng)采用已有的成熟設(shè)計(jì)方案來(lái)解決問(wèn)題。第27頁(yè)/共32頁(yè)當(dāng)處理較為復(fù)雜的問(wèn)題；采用常規(guī)方法無(wú)法解決或效果不好的問(wèn)題尤其是問(wèn)題的內(nèi)部規(guī)律不甚了解，不能用精確的數(shù)學(xué)表達(dá)式描述其系統(tǒng)；要求具有容錯(cuò)的任務(wù)