可調適性模糊類神經網路之研究與其平行運算處理

Abstract

類神經網路系統與模糊邏輯系統為兩種近數十年來被廣泛研究與討論的計算與控制 方式。類神經網路系統為一模擬人類腦細胞神經元運作方式的非線性系統，目前經 常被運用在圖形識別與可調適性的函數估計。模糊邏輯系統則異於傳統二分法的邏 輯系統，客許兩個不同事件的同時發生，而以發生程度的不同作為判斷的依據。在 一些控制領域的問題中，模糊邏輯系統也提供了很好的解決方法。 在本論文中，我們提出一個模糊類神經網路系統，稱為模組化模糊類神經網路系統 (MFNN)。此系統發揮類神經網路系統與模糊邏輯系統的優點，並克服原有模糊邏輯 系統產生規則困難的缺點，因而加強了整個 MFNN 系統的效能。此外，我們也針對 MFNN系統設計了一個平行運算架構，稱作模組化神經導管，使MFNN系統能以平行處 理方式執行，提高整體系統的執行速度。 我們以一個倒車控制問題作為應用實例，以七組測試資料模擬測試此MFNN系統的效 能，發現有很不錯的效能表現。此外，我們也使用了三個傳算器節點進行平行處理 實驗。整體速度加快約1.5 倍至1.7 倍。