Нейрокомпьютерные системы
       

Гибридный алгоритм обучения нечетких сетей


Параметры, подлежащие адаптации, разделяются на две группы:

  • первая состоит из параметров
    Гибридный алгоритм обучения нечетких сетей
    линейного третьего слоя;
  • вторая состоит из параметров нелинейной функции принадлежности первого слоя.

Уточнение параметров проводится в два этапа.

На первом этапе при фиксации определенных значений параметров функции принадлежности путем решения системы линейных уравнений рассчитываются параметры

Гибридный алгоритм обучения нечетких сетей
полинома TSK.

При известных значениях функции принадлежности преобразование, реализуемое сетью, можно представить в виде

Гибридный алгоритм обучения нечетких сетей

При

Гибридный алгоритм обучения нечетких сетей
обучающих выборках
Гибридный алгоритм обучения нечетких сетей
и замене выходного сигнала сети ожидаемым значением
Гибридный алгоритм обучения нечетких сетей
получим систему из
Гибридный алгоритм обучения нечетких сетей
линейных уравнений вида

Гибридный алгоритм обучения нечетких сетей

где

Гибридный алгоритм обучения нечетких сетей

Гибридный алгоритм обучения нечетких сетей

Гибридный алгоритм обучения нечетких сетей
- уровень активации (вес)
Гибридный алгоритм обучения нечетких сетей
-го правила при предъявлении
Гибридный алгоритм обучения нечетких сетей
-го входного вектора
Гибридный алгоритм обучения нечетких сетей
.

Размерность матрицы

Гибридный алгоритм обучения нечетких сетей
равна
Гибридный алгоритм обучения нечетких сетей
, при этом обычно количество строк (количество выборок) значительно больше количества столбцов. Решение этой системы уравнений можно получить за один шаг при помощи псевдоинверсии матрицы
Гибридный алгоритм обучения нечетких сетей
:

Гибридный алгоритм обучения нечетких сетей

Псевдоинверсия матрицы заключается в решении задачи минимизации

Гибридный алгоритм обучения нечетких сетей

где

Гибридный алгоритм обучения нечетких сетей
- единичная матрица.

На втором этапе (линейные параметры

Гибридный алгоритм обучения нечетких сетей
- фиксированы) рассчитываются фактические выходные сигналы
Гибридный алгоритм обучения нечетких сетей
,
Гибридный алгоритм обучения нечетких сетей
:

Гибридный алгоритм обучения нечетких сетей

вектор ошибки

Гибридный алгоритм обучения нечетких сетей

и градиент целевой функции

Гибридный алгоритм обучения нечетких сетей
по параметрам первого слоя. Если применяется метод наискорейшего спуска, то формулы адаптации принимают вид

Гибридный алгоритм обучения нечетких сетей

где

Гибридный алгоритм обучения нечетких сетей
обозначает номер очередной итерации.

После уточнения нелинейных параметров вновь запускается процесс адаптации линейных параметров TSK (первый этап) и нелинейных параметров (второй этап). Этот цикл повторяется вплоть до стабилизации всех параметров процесса.



Содержание раздела



Главная сайта