ANFIS

Адаптивная сеть на основе системы нечеткого вывода (adaptive neuro-fuzzy inference system) или Адаптивная нейро-нечеткая система вывода (adaptive network-based fuzzy inference system), ANFIS — это искусственная нейронная сеть, основанная на нечеткой системе вывода Такаги-Сугено.

Метод был разработан в начале 1990-х годов[1][2].

Так как этот метод интегрирует принципы нейронных сетей с принципами нечеткой логики, то у него есть потенциал, чтобы совместить их преимущества в одной структуре.

Вывод такой системы соответствует набору нечетких правил «если-то» (if-then), которые имеют способность к обучению аппроксимированию нелинейных функций[3].

Следовательно, ANFIS считается универсальным оценщиком[4].

Для использования ANFIS наиболее эффективным и оптимальным способом, можно использовать параметры, полученные с помощью генетического алгоритма[5].

Пример

Простой контроллер Сугено-Такаги с двумя входами и двумя правилами:

ЕСЛИ P₁₁(x₁) И P₁₂(x₂) ТО f1(x₁, x₂)

ЕСЛИ P₂₁(x₁) И P₂₂(x₂) ТО f2(x₁, x₂)

ANFIS, который реализует этот элемент управления, будет выглядеть следующим образом:

Skizze des oberen Systems

Примечания

Jang, Jyh-Shing R (1991). «Fuzzy Modeling Using Generalized Neural Networks and Kalman Filter Algorithm» in Proceedings of the 9th National Conference on Artificial Intelligence, Anaheim, CA, USA, July 14–19. 2: 762–767.
Jang, J.-S.R. ANFIS: adaptive-network-based fuzzy inference system (англ.) // IEEE Transactions on Systems, Man and Cybernetics : journal. — 1993. — Vol. 23, no. 3. — doi:10.1109/21.256541.
Abraham, A. (2005), Adaptation of Fuzzy Inference System Using Neural Learning, in Nedjah, Nadia & de Macedo Mourelle, Luiza, Fuzzy Systems Engineering: Theory and Practice, vol. 181, Studies in Fuzziness and Soft Computing, Germany: Springer Verlag, с. 53–83, DOI 10.1007/11339366_3
Jang, Sun, Mizutani (1997) — Neuro-Fuzzy and Soft Computing — Prentice Hall, pp 335—368, ISBN 0-13-261066-3
Tahmasebi, P. A hybrid neural networks-fuzzy logic-genetic algorithm for grade estimation (англ.) // Computers & Geosciences : journal. — 2012. — Vol. 42. — P. 18—27.

Литература

Jang, Sun, Mizutani (1997) — Neuro-Fuzzy and Soft Computing — Prentice Hall, Seiten 335—368, ISBN 0-13-261066-3
Andrew P. Papliński: Adaptive Neuro-Fuzzy Inference System (ANFIS) (PDF; 322 kB) aus Neural Networks and Fuzzy Systems, Monash University Victoria (Australien)
Jürgen Sauer: Lehrbrief Nr. 12: Neuro-Fuzzy Systeme (PDF; 254 kB) aus Neuronale Netze, Fuzzy Control, Genetische Algorithmen, FH Regensburg

This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.

[1] Jang, Jyh-Shing R (1991). «Fuzzy Modeling Using Generalized Neural Networks and Kalman Filter Algorithm» in Proceedings of the 9th National Conference on Artificial Intelligence, Anaheim, CA, USA, July 14–19. 2: 762–767.

[2] Jang, J.-S.R. ANFIS: adaptive-network-based fuzzy inference system (англ.) // IEEE Transactions on Systems, Man and Cybernetics : journal. — 1993. — Vol. 23, no. 3. — doi:10.1109/21.256541.

[3] Abraham, A. (2005), Adaptation of Fuzzy Inference System Using Neural Learning, in Nedjah, Nadia & de Macedo Mourelle, Luiza, Fuzzy Systems Engineering: Theory and Practice, vol. 181, Studies in Fuzziness and Soft Computing, Germany: Springer Verlag, с. 53–83, DOI 10.1007/11339366_3

[4] Jang, Sun, Mizutani (1997) — Neuro-Fuzzy and Soft Computing — Prentice Hall, pp 335—368, ISBN 0-13-261066-3

[5] Tahmasebi, P. A hybrid neural networks-fuzzy logic-genetic algorithm for grade estimation (англ.) // Computers & Geosciences : journal. — 2012. — Vol. 42. — P. 18—27.