人工智能基础课
王天一
工学博士,副教授
58937 人已学习
新⼈⾸单¥59
登录后,你可以任选4讲全文学习
课程目录
已完结/共 59 讲
开篇词 (1讲)
人工智能基础课
15
15
1.0x
00:00/00:00
登录|注册

21 人工神经网络 | 水无至清,人莫至察:模糊神经网络

使训练过程能够找到全局最优解
通过迭代逐步找到误差函数的最小值,从而确定权重系数
通过确定模糊集合的水平集对模糊数中的元素加以筛选
逼近性能的局限性
学习算法的限制
能够同时处理语言信息和数据信息
是研究非线性复杂系统的有效工具
在模式识别、系统分析和信号处理等领域有成功应用的实例
共轭梯度方法
基于遗传算法的方法
基于水平集的方法
模糊数的运算依赖扩展原理和模糊算术
模糊数是对象本身的模糊描述
模糊集合描述对象和集合之间的关系
1993年,乔万尼·波尔托兰提出模糊神经网络的概念
1988年,高木秀幸和小林功提出神经模糊系统的概念
1965年,洛特菲·扎戴提出模糊数学相关理论
模糊神经网络具有和传统神经网络类似的通用逼近特性
输入信号、权重系数和输出信号都是模糊集合
模糊神经网络是神经网络和模糊逻辑结合形成的混合智能系统
局限性
模糊神经网络的应用
训练方法
模糊理论基础
发展历程
基本概念
模糊神经网络

该思维导图由 AI 生成,仅供参考

模糊神经网络是一类特殊的神经网络,它是神经网络和模糊逻辑结合形成的混合智能系统,通过将模糊系统的类人推理方式与神经网络的学习和连接结构相融合来协同这两种技术。简单来说,模糊神经网络(fuzzy neural network)就是将常规的神经网络赋予模糊输入信号和模糊权值,其作用在于利用神经网络结构来实现模糊逻辑推理
在生活中,我们在臧否人物时很少给出非黑即白的二元评价。这是因为每个人在生活中都扮演着复杂的多重角色,不是好人就是坏人的评判方式显然有失客观。这就是模糊理论在生活中最直接的体现。正如美国加州大学伯克利分校的洛特菲·扎戴所说:“当系统的复杂性增加时,我们使它精确化的能力将减小。直到达到一个阈值,一旦超越这个阈值,复杂性和精确性将相互排斥。”
1965 年,正是这位洛特菲·扎戴提出了与模糊数学相关的一系列理论,并由此衍生出模糊系统的概念。1988 年,供职于日本松下电气的高木秀幸和小林功提出了将神经网络与模糊逻辑结合的想法,这标志着神经模糊系统(Neuro-fuzzy system)的诞生。神经模糊系统的基础是模糊集合和一组“如果...... 那么......”形式的模糊规则,利用神经网络的非线性和学习机制获得类人的推理能力。1993 年,意大利帕多瓦大学的乔万尼·波尔托兰提出了将多层前馈神经网络模糊化的思路,这就是这里所讨论的模糊神经网络。
需要说明的是,模糊神经网络和神经模糊系统是不同的。神经模糊系统的输入和输出都是确定对象。因此在神经模糊系统中,必备的结构是模糊化层和去模糊化层。模糊化层用于将输入的确定对象模糊化,去模糊化层则用于将输出的模糊对象转化为确定对象。相比之下,模糊神经网络的输入和输出都是模糊对象,完成的也是模糊推理的功能。
在介绍模糊神经网络之前,有必要对一些基本概念加以解释。模糊理论中最基本的概念是模糊集合。在不模糊的集合里,每个元素和集合之间的隶属关系是明确的,也就是要么属于集合,要么不属于集合,两者之间泾渭分明。可在模糊集合中,元素和集合之间的关系不是非此即彼的明确定性关系,而是用一个叫做隶属度的函数定量表示。在现实中评判某个人物的时候,通常会说他“七分功三分过”或是“三分功七分过”,这里的三七开就可以看成是隶属函数。
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
  • 深入了解
  • 翻译
    • 英语
    • 中文简体
    • 中文繁体
    • 法语
    • 德语
    • 日语
    • 韩语
    • 俄语
    • 西班牙语
    • 阿拉伯语
  • 解释
  • 总结

模糊神经网络:混合智能系统的未来趋势 模糊神经网络是一种融合了神经网络和模糊逻辑的特殊网络结构,其输入信号、权重系数和输出信号均为模糊集合。通过模糊数学处理输入信号和权重系数,模糊神经网络能够实现复杂的多重角色评价和模糊推理功能。尽管与传统神经网络类似,模糊神经网络的训练方式也存在一些相似之处,但由于模糊数学无法进行微积分计算,因此需要提出新的方法来处理误差。模糊神经网络的设计核心问题包括学习算法、逼近性能和处理复杂系统的能力。虽然在模式识别、系统分析和信号处理等领域取得了成功应用,但模糊神经网络仍面临挑战。 模糊神经网络的主要学习算法包括基于水平集的方法和基于遗传算法的方法,而其通用逼近特性与传统神经网络相似。模糊理论代表了一种更接近人类思维习惯的思维方式,融合了定性和定量的模糊理论将给用于规则推演的人工智能带来新的启发。因此,模糊神经网络作为软计算的核心研究内容之一,对于混合智能系统和非线性复杂系统具有重要意义。 总之,模糊神经网络代表了混合智能系统的未来趋势,其结合了神经网络和模糊逻辑的特点,为处理复杂的多重角色评价和模糊推理提供了新的思路。随着对模糊神经网络的深入研究和应用,相信它将在人工智能领域发挥越来越重要的作用。

仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《人工智能基础课》
新⼈⾸单¥59
立即购买
登录 后留言

全部留言(4)

  • 最新
  • 精选
  • Geek_7389a6
    对于处理人工智能中的复杂问题,运用模糊理论,在结果上可能会更加有效
    2020-04-09
    2
  • 杨家荣
    极客时间 21天打卡行动 19/21 <<人工智能基础课21>>模糊神经网络 回答老师问题: 模糊理论代表了一种思维方式,它更接近于人类的思考习惯。那么融合了定性和定量的模糊理论会给用于规则推演的人工智能带来什么样的启发呢? 模糊神经网络依托模糊理论,一定不能黑盒实验,但是基于人脑认知,也是基于定性和定量的知识,但人能通过定知定量,联想和创造,那模糊神经网络可能给人工智能带来不定创造力;[来源:百度百科:https://baike.baidu.com/item/%E6%A8%A1%E7%B3%8A%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/951418?fr=aladdin] 今日所学: 1,开篇之前,今天看了一本书,<<超越感觉>>,作者讲的一个重点是做观点/论文时,如果是自己写的话或观点,一定要有来源; 2,模糊神经网络(fuzzy neural network)就是将常规的神经网络赋予模糊输入信号和模糊权值,其作用在于利用神经网络结构来实现模糊逻辑推理; 3,模糊神经网络和神经模糊系统是不同的。神经模糊系统的输入和输出都是确定对象。因此在神经模糊系统中,必备的结构是模糊化层和去模糊化层。模糊化层用于将输入的确定对象模糊化,去模糊化层则用于将输出的模糊对象转化为确定对象。相比之下,模糊神经网络的输入和输出都是模糊对象,完成的也是模糊推理的功能; 4,在模糊集合中,元素和集合之间的关系不是非此即彼的明确定性关系,而是用一个叫做隶属度的函数定量表示; 5,模糊集合是对“对象和集合之间关系”的描述,模糊数描述的则是对象本身; 6,模糊数就是只有取值范围而没有精确数值的数。 7,扩展原理及其引申得到的模糊算术,定义的就是运算给模糊数的模糊程度带来的变化,这当然也是一个通俗的说法。在模糊算术中,传统的加减乘和内积等运算都被改造成对模糊集合的运算; 8,构成模糊神经网络的基本单元是模糊化的神经元; 9,基于水平集的方法和基于遗传算法的方法。 10,逼近性能也是模糊神经网络设计中的核心问题; 11,模糊神经网络是一种混合智能系统,能够同时处理语言信息和数据信息,因而是研究非线性复杂系统的有效工具,也是软计算的核心研究内容之一,在模式识别、系统分析和信号处理等领域都有成功应用的实例; 名词:模糊集合,模糊规则,共轭梯度(conjugate gradient),遗传算法 总结: 1,模糊神经网络是神经网络和模糊逻辑结合形成的混合智能系统; 2,模糊神经网络的输入信号、权重系数和输出信号全都是模糊集合; 3,模糊神经网络的主要学习算法包括基于水平集的方法和基于遗传算法的方法; 4,模糊神经网络具有和传统神经网络类似的通用逼近特性。
    2020-01-06
    1
  • RMX
    输入是模糊集合,指的是样本是集合的形式吗
    2019-12-04
    1
  • ifelse
    学习打卡
    2023-05-08归属地:浙江
收起评论
显示
设置
留言
4
收藏
沉浸
阅读
分享
手机端
快捷键
回顶部