ANFIS

Adaptivt nätverksbaserat fuzzy inferenssystem eller Adaptivt nätverksbaserat fuzzy inferenssystem, ANFIS  är ett artificiellt neuralt nätverk baserat på Takagi -Sugenos fuzzy inferenssystem .

Metoden utvecklades i början av 1990-talet [1] [2] .

Eftersom denna metod integrerar principerna för neurala nätverk med principerna för fuzzy logik , har den potentialen att kombinera sina fördelar i en struktur .

Utdata från ett sådant system motsvarar en uppsättning suddiga "om-då"-regler som har förmågan att lära sig att approximera icke-linjära funktioner [3] .

Därför anses ANFIS vara en universell estimator [4] .

För att använda ANFIS på det mest effektiva och optimala sättet kan du använda parametrarna som erhålls med hjälp av den genetiska algoritmen [5] .

Exempel

En enkel Sugeno-Takagi-kontroller med två ingångar och två regler:

OM P 11 (x 1 ) OCH P 12 (x 2 ) SÅ f1(x 1 , x 2 )
IF P 21 (x 1 ) OCH P 22 (x 2 ) SÅ f2(x 1 , x 2 )

ANFIS som implementerar denna kontroll skulle se ut så här:

Anteckningar

  1. ↑ Jang, Jyh-Shing R (1991). Fuzzy modellering med hjälp av generaliserade neurala nätverk och Kalman Filter Algorithm (PDF) . Proceedings of the 9th National Conference on Artificial Intelligence, Anaheim, CA, USA, 14–19 juli. 2 . pp. 762-767. Arkiverad från originalet (PDF) 2016-03-04 . Hämtad 2016-03-02 . Utfasad parameter används |deadlink=( hjälp )
  2. ↑ Jang, J.-SR ANFIS: adaptivt nätverksbaserat fuzzy inferenssystem  //  IEEE Transactions on Systems, Man and Cybernetics: journal. - 1993. - Vol. 23 , nr. 3 . - doi : 10.1109/21.256541 .
  3. ↑ Abraham, A. (2005), Anpassning av luddigt inferenssystem genom att använda neuralt lärande , i Nedjah, Nadia & de Macedo Mourelle, Luiza, Fuzzy Systems Engineering: Theory and Practice , vol. 181, Studies in Fuzziness and Soft Computing, Tyskland: Springer Verlag, sid. 53–83 , DOI 10.1007/11339366_3 
  4. ↑ Jang, Sun, Mizutani (1997) - Neuro-Fuzzy and Soft Computing - Prentice Hall, sid 335-368, ISBN 0-13-261066-3
  5. ↑ Tahmasebi, P. En hybrid neurala nätverk-fuzzy logik-genetisk algoritm för betygsuppskattning  //  Computers & Geosciences: journal. - 2012. - Vol. 42 . - S. 18-27 . Arkiverad från originalet den 25 oktober 2021.

Litteratur