0
点赞
收藏
分享

微信扫一扫

动态模糊神经网络


动态模糊神经网络

​​

动态模糊神经网络_归一化

​​

​​

动态模糊神经网络_网络_02

​​ 输入语言变量

​​

动态模糊神经网络_语言_03

​​ 系统输出

​​

动态模糊神经网络_归一化_04

​​​ 是第​​

动态模糊神经网络_网络_05

​​​个输入变量的第​​

动态模糊神经网络_网络_06

​​个隶属函数

​​

动态模糊神经网络_语言_07

​​​ 表示第​​

动态模糊神经网络_网络_08

​​条模糊规则

​​

动态模糊神经网络_网络_09

​​​ 是第​​

动态模糊神经网络_归一化_10

​​个归一化节点

​​

动态模糊神经网络_网络_11

​​​ 是第​​

动态模糊神经网络_归一化_12

​​个规则的结果参数或连接权

​​

动态模糊神经网络_语言_13

​​ 是指系统的总的规则数

(1)第1层:输入层

每个节点表示一个输入的语言变量。

(2)第2层:隶属函数层

每个节点分别代表一个隶属函数,该隶属函数用高斯函数表示。

​​

动态模糊神经网络_网络_14

​​

​​

动态模糊神经网络_神经网络_15

​​​是​​

动态模糊神经网络_网络_16

​​​的第​​

动态模糊神经网络_网络_17

​​个隶属函数

​​

动态模糊神经网络_神经网络_18

​​​是​​

动态模糊神经网络_归一化_19

​​​的第​​

动态模糊神经网络_神经网络_20

​​个高斯隶属函数的中心

​​

动态模糊神经网络_网络_21

​​​是​​

动态模糊神经网络_归一化_22

​​​的第​​

动态模糊神经网络_归一化_23

​​个高斯函数的宽度

​​

动态模糊神经网络_网络_24

​​ 是输入变量数

​​

动态模糊神经网络_归一化_25

​​ 是隶属函数的数量,也代表系统的总规则数

(3)第3层:T-范数层

每个节点分别代表一个可能的模糊规则中的IF-部分。因此,该层节点数反映了模糊规则数。第​​

动态模糊神经网络_语言_26

​​​个规则​​

动态模糊神经网络_归一化_27

​​的输出为

​​

动态模糊神经网络_网络_28

​​

​​

动态模糊神经网络_网络_29

​​

​​

动态模糊神经网络_神经网络_30

​​​是第​​

动态模糊神经网络_语言_31

​​个RBF单元的中心

该层的每个节点即代表了一个RBF单元。

(4)第4层:归一化层

该层的节点称为N节点。N节点数与模糊规则节点数相等。第​​

动态模糊神经网络_归一化_32

​​​个节点​​

动态模糊神经网络_网络_33

​​的输出为

​​

动态模糊神经网络_语言_34

​​

(5)第5层:输出层

该层中的每个节点分别表示一个输出变量,该输出是所有输出信号的叠加:

​​

动态模糊神经网络_归一化_35

​​

​​

动态模糊神经网络_网络_36

​​ 变量的输出

​​

动态模糊神经网络_网络_37

​​​ 是THEN-部分(结果参数)或者第​​

动态模糊神经网络_归一化_38

​​个规则的连接权

​​

动态模糊神经网络_归一化_39

​​(TSK模型)

​​

动态模糊神经网络_神经网络_40

​​(结果为实参数)

模型结构:

​​

动态模糊神经网络_归一化_41

​​TSK模型结构:

​​

动态模糊神经网络_语言_42

​​

​​

动态模糊神经网络_网络_43

​​S模型结构:

​​

动态模糊神经网络_神经网络_44

​​

举报

相关推荐

0 条评论