Гибридные сети. Основные понятия и определения.

Гибридные сети. Основные понятия и определения.

Каждая разновидность систем искусственного интеллекта имеет свои особенности, например, по возможностям обучения, обобщения и выработки выводов, что делает ее наиболее пригодной для решения одного класса задач и менее пригодной — для другого.

Например, нейронные сети хороши для задач распознавания образов, но весьма неудобны для выяснения вопроса, как они такое распознавание осуществляют. Они могут автоматически приобретать знания, но процесс их обучения зачастую происходит достаточно медленно, а анализ обученной сети весьма сложен (обученная сеть обычно — черный ящик для пользователя). При этом какую-либо априорную информацию (знания эксперта) для ускорения процесса ее обучения в нейронную сеть ввести невозможно.

Системы с нечеткой логикой, напротив, хороши для объяснения получаемых с их помощью выводов, но они не могут автоматически приобретать знания для использования их в механизмах выводов. Необходимость разбиения универсальных множеств на отдельные области, как правило, ограничивает количество входных переменных в таких системах небольшим значением.

Вообще говоря, теоретически, системы с нечеткой логикой и искусственные нейронные сети эквивалентны друг другу, однако, в соответствии с изложенным выше, на практике у них имеются свои собственные достоинства и недостатки. Данное соображение легло в основу аппарата гибридных сетей, в которых выводы делаются на основе аппарата нечеткой логики, но соответствующие функции принадлежности подстраиваются с использованием алгоритмов обучения нейронных сетей, например, алгоритма обратного распространения ошибки. Такие системы не только используют априорную информацию, но могут приобретать новые знания и для пользователя являются логически прозрачными.

Основные понятия и определения гибридных сетей

Для пояснения сущности гибридных сетей, рассмотрим еще раз простую нейронную сеть, имеющую два входа и только один нейрон (рис. 3.1).

Здесь входные сигналы xi «взаимодействуют» с весами ωi, образуя произведения

pi = xi ωi, i=1,2

Такая частная информация (произведения) объединяются с ис­пользованием операции суммирования, образуя вход netнейрона:

net = p1 + p2 = ω1x1 + ω2x2

Выход нейрона образуется в результате преобразования входа netнекоторой активационной функцией:

у = f(net) = f(ω1x1 + ω2x2), например, сигмоидного типа

Гибридные сети. Основные понятия и определения.

Приведенную однонейронную сеть, в которой используются опе­рации умножения, суммирования и сигмоидная функция актива­ции, будем называть стандартной нейронной сетью.

Гибридные сети. Основные понятия и определения.

Рис. 1. Элементарная НС

В случае применения других операций, таких как t-норма или t-конорма, придем к нейронной сети, которая будет называться гибридной.

Определение. Гибридная нейронная сеть — это нейронная сеть с четкими сигналами, весами и активационной функцией, но с объединением xi и ωip1 и р2 с использованием t-нормы, t-конормы или некоторых других непрерывных операций.

Входы, выходы и веса гибридной нейронной сети — веществен­ные числа, принадлежащие отрезку [0, 1].

Рассмотрим следующие примеры элементарных гибридных ней­ронных сетей.

Нечеткий нейрон «И». Сигналы xi и веса ωв данном случае объединяются с помощью треугольной конормы:

pt = Si, xi), i = 1,2,

а выход образуется с применением треугольной нормы (рис. 2):

у = AND(p1,р2) = Т(p1,р2) = Т(S1, x1), S(ω2, x2) ).

Если принять T= min, S = max, тогда нечеткий нейрон «И» реализует композицию min-max:

у=min (ω1˅ x1 , ω2˅ x2).

Гибридные сети. Основные понятия и определения.

Рис. 2. Структура гибридного нейрона «И»

 

Нечеткий нейрон «ИЛИ». Сигналы xi и веса ωi здесь объ­единяются с помощью треугольной нормы:

Pi = T(ωi, xi), i = 1,2,

Гибридные сети. Основные понятия и определения.

Рис. 3. Нечеткий нейрон «ИЛИ»

 

а выход образуется с применением треугольной конормы (см. рис. 3):

у = OR(p1,p2) = S(p1 ,p2= S(T(ω1, х1), T2, х2).

 

Если принять Т = min, S= max, тогда нечеткий нейрон «ИЛИ» реализует композицию max-min:

у=max (ω1˄ x1 , ω2˄ x2).


искусственные нейронные сети нейро-нечеткие сети
Если у вас есть статья, заметка или обзор, которыми вы хотите поделиться с аудиторией нашего сайта, присылайте информацию на: neuronus.com@yandex.ru.
Гость, оставишь комментарий?
Имя:*
E-Mail:


Последние комментарии
Судьба ледокола «Арктика» остается неопределенной после повреждения одного из двигателей
Народ теперь что бы накачать мышцы и убрать лишний жир можно без спорта и диет, просто надел и забыл. Опробовал лично и результат удивил уже через
Сообщение о покупке водородной яхты Билом Гейтсом оказалось ложным
Народ теперь что бы накачать мышцы и убрать лишний жир можно без спорта и диет, просто надел и забыл. Опробовал лично и результат удивил уже через
Для чего динозавру абдараинуру такой необычный хвост
Народ теперь что бы накачать мышцы и убрать лишний жир можно без спорта и диет, просто надел и забыл. Опробовал лично и результат удивил уже через
Получены самые детальные снимки поверхности Солнца
Народ теперь что бы накачать мышцы и убрать лишний жир можно без спорта и диет, просто надел и забыл. Опробовал лично и результат удивил уже через
Эксперты назвали главную ошибку при зарядке телефона
Интересно, какие диванные эксперты дали такие рекомендации. В Вашей статье единственная цифра соответствует истине 50%. Но это не рекомендуемый заряд
Мы в социальных сетях
Статистика
1  
Всего статей 2340
0  
Всего комментариев 701
0  
Пользователей 170