主要内容

学习和简称ANFIS Neuro-Adaptive

假设您想要应用模糊推理系统,您已经输入/输出数据的集合,您想使用的建模、模型跟随,或一些类似的场景。同时,假设你不一定有一个预先确定的模型结构特点的基础上系统变量。在某些情况下,建模的隶属函数参数通过观察数据可以是困难的或不可能的。在这些情况下,而不是选择与给定的任意隶属函数,相关的参数可以调整隶属函数参数的输入/输出数据。使用模糊逻辑工具箱™软件,您可以调整Sugeno模糊推理系统使用类似neuro-adaptive学习技术用于训练神经网络。

模糊逻辑工具箱软件提供了一个命令行功能(简称anfis)和一个交互式应用程序(去噪的设计师)培训一个自适应神经模糊推理系统(简称ANFIS)。

FIS结构

使用简称ANFIS训练方法,您可以训练Sugeno系统具有以下属性:

  • 单输出

  • 加权平均去模糊化

  • 第一个或零级系统;也就是说,所有输出隶属度函数必须是相同的类型,“线性”“不变”

  • 没有共享的规则。不同的规则不能使用相同的输出隶属函数;即输出隶属度函数的数量必须等于规定的数量。

  • 对于每个规则统一重量。

  • 没有自定义隶属度函数和去模糊化方法。

创建这样一个模糊系统在MATLAB®工作空间,您可以:

  • 使用genfis函数。当使用这种方法,您可以创建您的系统使用网格分区或减法聚类。网格划分时,可以产生大量的规则数量的输入达到四、五。减少规则,考虑使用减法聚类方法。

  • 使用模糊逻辑设计应用,并出口FIS MATLAB工作区。

  • 使用sugfis函数。

  • 从文件加载系统使用readfis函数。

当您的系统使用培训简称anfis通过创建一个函数,指定初始结构anfisOptions选项设置和设置InitialFIS财产。如果不指定这个属性,简称anfis使用网格分区函数得出FIS结构。

当使用去噪的设计师,在生成FIS部分,你可以创建你的FIS:

  • 从文件加载(选择从文件加载)

  • 从MATLAB工作区(选择加载从worksp加载)

  • 使用网格分区(选择网格分区)

  • 使用减法聚类(选择Sub.集群)

训练数据

训练一个模糊系统使用neuro-adaptive方法,您必须收集输入/输出训练数据使用实验或模拟系统你想模型。一般来说,简称ANFIS训练工作如果训练数据是完全代表数据的特性,FIS旨在训练模型。

指定你的训练数据,您可以:

  • MATLAB的工作区中创建一个数组。每行包含一个数据点,最后一列包含输出值和剩余的列包含输入值。你可以通过这个数据trainingData输入参数的简称anfis函数或加载到去噪的设计师应用程序。

  • 加载数据.dat文件。文件的每一行包含一个数据点由空格分隔的值。每一行的最终值是输出,剩下的值输入。

当使用简称anfis函数,创建或加载输入数据并将其传递给trainingData输入参数。

当使用去噪的设计师,在加载数据部分中,选择培训,然后:

  • 从文件加载数据,选择文件

  • 加载数据从MATLAB工作区,选择worksp

培训方案

这两个简称anfis去噪的设计师允许您调整优化方法,训练时期,训练误差的目标。然而,简称anfis提供额外的培训选项来控制步长训练。

选项 anfisOptions财产 去噪的设计师设置
优化方法 OptimizationMethod 火车FIS节中,指定Optim。方法
培训的时代 EpochNumber 火车FIS节中,指定时代
训练误差的目标 ErrorGoal 火车FIS节中,指定错误宽容
初始步长 InitialStepSize 不可用
步长减小率 StepSizeDecreaseRate
步长增加率 StepSizeIncreaseRate

优化方法

使用简称ANFIS训练模糊系统,模糊逻辑工具箱软件使用反向传播算法单独或结合最小二乘算法。这个培训过程曲调FIS的隶属函数参数,系统模型的输入/输出数据。

下面的表显示了两个方法简称anfis去噪的设计师用于更新隶属函数参数。

优化方法 anfisOptions设置 去噪的设计师设置
反向传播的所有参数(最陡下降法) OprimizationMethod =“反向传播” 火车FIS节,在Optim。方法中,选择backpropa
反向传播组成的混合法与输入相关参数的隶属度函数,和最小二乘估计的参数与输出隶属度函数 OprimizationMethod =“混合” 火车FIS节,在Optim。方法中,选择混合动力

步长

当培训使用简称anfis功能,您可以调整步长选择的培训。在培训期间,软件更新步长根据以下规则:

  • 如果错误经历连续四个减少,增加步长乘以一个常数(StepSizeIncreaseRate)大于1。

  • 如果错误发生连续两个组合的增加和减少,减少步长乘以一个常数(StepSizeDecreaseRate)小于1。

理想情况下,步长增加的培训,达到最大值,然后减少剩余的培训。实现这一步配置文件大小,调整初始步长(InitialStepSize)、步长增加率和步长率下降。

显示选项

当培训使用简称anfis功能,您可以指定哪些培训进展在MATLAB命令窗口中显示的信息。使用一个anfisOptions选项设置,可以设置以下显示选项。

  • DisplayANFISInformation——显示简称ANFIS信息在培训的开始

  • DisplayErrorValues在每个时代——显示训练误差

  • DisplayStepSize——显示每个时间步长变化。

  • DisplayFinalResults——显示最终的训练误差和验证错误

去噪的设计师不提供用户指定的显示选项。相反,它显示了训练进步作为一个阴谋。

培训验证

验证数据让你检查你的泛化能力训练的模糊推理系统。验证数据应充分代表数据的特性FIS旨在模型,同时也被充分的训练数据来测试培训推广。软件使用此数据集模糊推理模型旨在通过应用验证数据模型和看到的模型如何回应这些数据。

模型验证是有用的在以下情况:

  • 嘈杂的数据——在某些情况下,使用噪声测量数据被收集,并训练数据不能代表所有的特性数据FIS旨在模型。

  • 过度拟合——因为简称ANFIS是固定使用的模型结构与大量的参数,为模型有一种倾向overfit数据的训练,特别是当使用大量的训练时期。如果出现过度拟合,训练有素的FIS不得推广其他独立的数据集。

背后的想法使用支票数据集模型验证是,在某个点之后在训练过程中,模型过度拟合训练数据集开始。原则上,检查数据集的模型误差降低到这过度拟合的开始。在这一点上,检查数据的模型误差增加。过度拟合占了测试训练FIS的检查数据,并选择相关的隶属函数参数是那些最低检查错误,如果这些错误表明模型过度拟合。

通常情况下,培训和检查收集的数据集是基于观测的目标系统,然后存储在单独的文件中。指定验证数据时使用:

  • 简称anfis功能,创建一个anfisOptions对象,并设置ValidationData选择。

  • 去噪的设计师,在加载数据部分中,选择检查

数组和检查数据文件格式是相同的训练数据。

培训结果

当你训练你的模糊系统使用简称anfis功能,可以获得以下训练模糊系统:

  • 金融中间人输出参数是模糊系统的训练误差最小。这个系统总是返回的简称anfis函数,对应于返回的金融中间人去噪的设计师当你没有指定检查数据。

  • chkFIS输出参数是模糊系统验证错误的最小值。这个系统只有当你返回指定验证数据使用anfisOptions,对应于返回的金融中间人去噪的设计师当你指定检查数据。这个FIS对象是您应该使用为进一步计算如果检查数据用于交叉验证。

您可以获得与每个相关的错误训练模糊系统。在每种情况下,返回的错误是根均方误差(RMSE),并返回一个向量。向量的每个元素是RMSE误差值在每个培训时代。

  • 训练误差——区别训练数据输出值和模糊推理系统的输出相应的训练数据的输入值。

  • 验证错误,检查数据输出间的差值和模糊推理系统的输出相应的检查数据输入值。只有当你返回这个错误指定验证数据使用anfisOptions

在培训期间,去噪的设计师应用程序块每个培训的培训和检查错误时代。出口培训和检查错误的应用程序不支持。金宝app获取训练错误,你必须从命令行系统培训。例如,看到的训练误差数据保存到MATLAB工作区

进一步测试您的训练有素的模糊系统,您可以使用一组额外的测试数据,你没有使用培训或验证。这样做:

  • 当在命令行培训系统,使用evalfis函数。

  • 当使用去噪的设计师,在加载数据部分中,选择测试,然后单击加载数据。评估训练系统加载的数据集测试FIS部分中,选择一个数据集,然后单击测试现在

训练算法的差异

去噪的设计师应用程序管理培训时期的方式不同简称anfis函数。这种差异产生的变化训练的结果。

训练系统N时代在命令行中,你所说的简称anfis一次函数,指定数量的时代N。然而,去噪的设计师应用程序调用简称anfis函数N次,指定数量的时代2每一次。

命令行示例,演示了去噪的设计师训练算法,看到训练误差数据保存到MATLAB工作区

引用

[1]张成泽,js。R。,“模糊建模使用广义神经网络和卡尔曼滤波算法,”Proc.第九次全国Conf.人工智能(aaai - 91)1991年7月,页762 - 767。

[2]张成泽,js。R。简称ANFIS: Adaptive-Network-based模糊推理系统,“IEEE系统,人,控制论3号,卷。23日,1993年5月,页665 - 685。

[3]张成泽,J.-S.R。,n .排水沟。“基于增益调度的模糊控制器设计”。在NAFIPS /国际金融机构/美国国家航空航天局94年。第一届国际联合会议论文集北美模糊信息处理社会一年两次的会议。工业模糊控制和智能系统会议,我们和美国宇航局联合技术101 - 5。美国圣安东尼奥市TX: IEEE 1994。

[4]张成泽,J.-S.R. Chuen-Tsai太阳。“神经模糊建模和控制”。IEEE学报》83年,没有。3(1995年3月):378 - 406。

[5]张成泽,Jyh-Shing罗杰,Chuen-Tsai太阳,和弘水谷二。去噪和软计算:计算方法学习和机器智能。MATLAB课程系列。上台北:Prentice Hall出版社,1997年。

[6]王,利鑫。自适应模糊系统和控制:设计和稳定性分析。恩格尔伍德悬崖,新泽西:PTR Prentice Hall出版社,1994年。

[7]Widrow, b和d·斯登自适应信号处理,普伦蒂斯霍尔出版社,1985。

另请参阅

应用程序

功能

相关的话题