SOFIN模糊類神經網路

第三代的類神經模糊網路,由C. F. J 在1997年於本校就讀Ph. D時,把五層架構再做個小修正,且融入了遞迴式類神經網路的精神,進一步發展出一可處理動態模糊推理之網路。

  1. 網路修正: 提出一具有線上學習能力的自我建構前向類神經模糊推理網路(SONFIN),其架構如圖(四)所示。不同於前兩代網路之處,在於SONFIN為一修正式的TSK模糊系統,也就是說在輸出端(Layer 4與Layer 5)部分加入了輸入訊號,一般的網路之輸入訊號是不會直接影響到輸出訊號的,這TSK-type的作法,將可進一步減少模糊法則數目。

  2. 學習方式的修正: 在第二代網路所提出的輸入/輸出空間分割法,雖已解決一般網路格子狀分割空間的問題,但太相近的分割區域,我們在第二代網路裡並沒有作合併動作,因此再利用第一代網路裡所提到的模糊相似度量測法來解決這問題,這將使網路需求的法則數目再減少一些。圖(五)展示出三代網路所個別使用的分割空間之法。

  3. 動態資料的處理: 有時外界所給予的資訊,會與過去的時間有相關性,此時一般的類神經網路(甚至我們之前所提出的網路)便不適用,而類神經網路裡,正好有人發展出遞迴式理論(Recurrent)來處理這問題,因此,C. F. J將遞迴式理論融入所提出的類神經模糊網路(請見圖(六)),這樣一來,我們便可處理動態模糊推理的問題。

圖四

圖五

[ 回上一頁 ]