模糊神經網路模式之研究

Abstract

近年來,將神經網路與模糊系統結合的研究 正蓬勃展開.這些研究的主要目的是希望擷取 神經網路平行處理、容錯、可學習等優點,與 模糊系統具人類推理風格、可使用自然語言描 敘等優點.在本計劃中,我們將深入探討如何建 構一模糊神經網路,來學習模糊邏輯規則系統 中蘊含的知識,包括:模糊規則、模糊集合的隸 屬函數、及模糊運算元的參數.希望僅借由使 用者所設定的語言變數和語言值數量,及所提供的學習樣本,自動建構出神經網路中之節點 與連線,且學習出此模糊系統蘊含的知識.而後, 再經由適當的刪除方法,將網路結構中多餘的 節點及連線去除,以獲得一精簡的模糊規則資 料庫.在本計劃第一年度中,我們將根據"模糊神 經網路專家系統之研製"計劃中所定下的網路 結構及學習法則,設計有效的刪除方法.同時亦 將探討各學習項目之收斂情形,以完成單層推 理模糊神經網路的理論設計.此外,也將進行應 用實例之模擬,以評估此系統之學習能力、學 習速度、與刪除功能等各項效能因素.第二年 的工作中,我們預計完成多層推理模糊神經網 路的理論設計、模擬、及應用實例.最後,在第三年將此系統應用在模糊控制和模糊專家系統 等模糊邏輯規則系統之問題上.