Архитектура нечеткой нейронной сети ANFIS (Adaptive Network based Fuzzy Inference System)

ANFIS представляет адаптивную систему нейро-нечеткого вывода. С одной стороны, сеть ANFIS представляет собой нейронную сеть с единственным выходом и несколькими входами, которые представляют собой нечеткие лингвистические переменные. При этом термы входных лингвистических переменных описываются стандартными функциями принадлежности, которые приведены в главе 1.2, а термы выходной переменной представляются линейной или постоянной функцией принадлежности. С другой стороны, сеть ANFIS представляет собой систему нечеткого вывода, в которой каждое из правил нечетких продукций имеет постоянный вес, равный 1. Данная сеть ANFIS может быть успешно использована для настройки функций принадлежности и настройки базы правил в нечеткой экспертной системе. Алгоритмы обучения адаптивных нечетких систем относительно трудоемки и сложны по сравнению с алгоритмами обучения нейронных сетей, и, как правило, состоят из двух стадий: 1. Генерация лингвистических правил; 2. Корректировка функций принадлежности. Первая задача относится к задаче переборного типа, вторая — к оптимизации в непрерывных пространствах.

Ниже представлена модель адаптивной сети ANFIS состоящая из двух правил;

Слои сети ANFIS выполняют следующие функции.

Слой I. представлен радиально базисными (РБФ)-нейронами и моделирует функции принадлежности.

Слой 2. это слой «И» нейронов, которые моделируют логическую связку И произведением w_: = /л_А (*,)•ц_в (л:₂)…

Рис. 25 — Структура сети ANFIS.

Слой 3. вычисляет нормированную силу правила:

Слой 4. формирует значение выходной переменной:

Слой 5. выполняет дсфаззификацию:

гибридная сеть архитектуры ANFIS может быть обучена с помощью алгоритма обратного распространения ошибки.