第8章高级神经网络
8.1模糊RBF网络 在模糊系统中，模糊集、隶属度函数和模糊规则 的设计是建立在经验知识基础上的。这种设计方法存 在很大的主观性。将学习机制引到模糊系统中，使模 糊系统能够通过不断学习来修改和完善隶属函数和模 糊规则，是模糊系统的发展方向
模糊系统与模糊神经网络既有联系又有区别， 其联系表现为模糊神经网络在本质上是模糊系统的 实现，其区别表现为模糊神经网络又具有神经网络 的特性。 神经网络与模糊系统的比较见表8-1。模糊神 经网络充分地利用了神经网络和模糊系统各自的优 点，因而受到了重视
• 模糊系统与模糊神经网络既有联系又有区别， 其联系表现为模糊神经网络在本质上是模糊系统的 实现，其区别表现为模糊神经网络又具有神经网络 的特性。 • 神经网络与模糊系统的比较见表8-1。模糊神 经网络充分地利用了神经网络和模糊系统各自的优 点，因而受到了重视
模糊系统 神经网络 获取知识 专家经验 算法实例 推理机制 启发式搜索 并行计算 推理速度 低 高 容错性 低 非常高 学习机制 归纳 调整权值 自然语言 明确的 不明显 实现 自然语言 高 低 灵活性
模糊系统 神经网络 获取知识 专家经验 算法实例 推理机制 启发式搜索 并行计算 推理速度 低 高 容错性 低 非常高 学习机制 归纳 调整权值 自然语言 实现 明确的 不明显 自然语言 灵活性 高 低
● 将神经网络的学习能力引到模糊系统中，将模 糊系统的模糊化处理、模糊推理、精确化计算通过 分布式的神经网络来表示是实现模糊系统自组织、 自学习的重要途径。在模糊神经网络中，神经网络 的输入、输出节点用来表示模糊系统的输入、输出 信号，神经网络的隐含节点用来表示隶属函数和模 糊规则，利用神经网络的并行处理能力使得模糊系 统的推理能力大大提高
• 将神经网络的学习能力引到模糊系统中，将模 糊系统的模糊化处理、模糊推理、精确化计算通过 分布式的神经网络来表示是实现模糊系统自组织、 自学习的重要途径。在模糊神经网络中，神经网络 的输入、输出节点用来表示模糊系统的输入、输出 信号，神经网络的隐含节点用来表示隶属函数和模 糊规则，利用神经网络的并行处理能力使得模糊系 统的推理能力大大提高