Sisteme neurofuzzy Soft Computing
Cuprins: 1. Introducere 2. Sisteme neuronale articiale 3. Sisteme fuzzy 4. Sisteme neuro-fuzzy 5. Retele neuronale fuzzy straticate . !"emple # $!%&R'( ) *$%IS +. Concluzii
1.Introducere - Sistem neuro-fuzzy , Retea neurala Sistem fuzzy - Cominarea a doua te/nologii inteligente 0 retelele neuronale si sistemele fuzzy au dat nastere la un sistem /irid inteligent - *ceasta cominatie de rationament proailistic0 logica fuzzy0 retele neuronale reprezinta aza soft computingului.
2. Sisteme neuronale articiale (ANNs) - Ramura a inteligentei articiale - Reprezinta sisteme de procesare a informatiei0 interconectate intre ele0 paralelizate0 care se aseamana creierului uman prin faptul ca doandesc cunostinte prin inatare - ' retea neuronala este mult mai simpla decat corespondentul uman0 ind compusa din unitati puternice cu capacitate de calcul - ' retea neuronala este denita de 3 tipuri de elemente# - intercone"iunile dintre diferitele straturi de neuroni - procesul de austare a ponderilor de intercone"iuni
2. Sisteme neuronale articiale (ANNs)
2. Sisteme neuronale articiale (ANNs) *plicatii ale sistemenlor neuronale# a *pro"imari de functii Recunoastere de tipare c Recunoastere ocale dScanare retina e &reiziuni nanciare f Cercetari de piata
2. Sisteme neuronale articiale (ANNs) Inatarea in sistemele neuronale#
. Sistemele fuzzy - !o"ica fuzzy - %uzzy# ag0 neclar0 imprecis - &arintele logicii fuzzy6 este 7ot *. 8ade/ in urma pulicarii articolului 9ultimi fuzzy6 - Relatiile intrare-iesire sunt descrise prin reguli I% - :;!$6 - <*C* temperatura este mica *:=$CI incalzeste puternic6
- Caracteristici# usor de inteles0 se azeaza pe limaul natural0 este >e"iila0poate cominata cu te/nici conentionale de control - 7ogica fuzyy reprezinta o forma de logica in care ariailele de adear pot orice numar real cuprins intre ? si 1
. Sistemele fuzzy - Sisteme fuzzy - @azate pe logica fuzzy 0 sisteme fuzzy sunt considerate un caz particular al sistemelor e"pert Ao aplicatie comple"a care e"ploreaza o multitudine de cunostinte date pentru a otine concluzii noi despre actiitati dicil de e"aminat folosind metode asemanatoare cu e"pertii umani
#. Sisteme neuro-fuzzy - =n sistem neuro-fuzzy reprezinta un sistem fuzzy care foloseste un algoritm deriat din sau inspirta de retelele neuronale pentru a determina parametrii - seturi fuzzy sau reguli fuzzy - prin procesarea datelor. - Sistemele neuro-fuzzy moderne sunt reprezentate in mod oisnuit ca retele neuronale multilayer de tip feedfoBard. - In mod oisnuit 0 termenul de sisteme neuro-fuzzy este folosit pentru a descrie sisteme cu urmatoarele proprietati# 1. =n sistem neuro-fuzzy este azat pe un sistem care este antrenat de un algoritm deriat din teoria retelelor neuronale.
#. Sisteme neuro-fuzzy 2. =n sistem neuro-fuzzy poate azut ca o retea neuronala de tip feedforBard cu 3 straturi. &rimul strat reprezinta ariailele de intrare0 al doilea strat reprezinta regulile fuzzy iar al treilea ariailele de iesire. Seturile fuzzy sunt encodate ca cone"iuni de ponderi. -
#. Sisteme neuro-fuzzy Clasicare - Sistemele neuro-fuzzy se impart in 3 clase principale# - C''&!R*:I! # algoritmi neuronali adapteaza sistemele fuzzy - C'$C=R!$:! # cea mai slaa cominatie dintre cele doua sisteme - ;I@RI
#. Sisteme neuro-fuzzy Neuronii fuzzy $!=R'$II %=88D# - 9odelele fuzzy de neuroni articiali pot construite folosind operatii fuzzy la niel de neuron - =n ector " , A"10"20..."n de alori de intrare intra intr-o unitate neuronala prin n cone"iuni dupa ce a fost modicat de cone"iunile de ponderi corespunzatoare B , AB10B20...Bn - $euronul calculeaza suma intrarilor ponderate si produce un semnal de iesire# daca functia e un pas simplu neuronul produce un semna de iesire 10 altfel a produce un semnal de iesire ?.
#. Sisteme neuro-fuzzy Neuronii - ' clasa particularafuzzy de neuroni fuzzy# 'R si *$< - $euronul fuzzy 'R selecteaza disunctia fuzzy a ponderilor alorilor de intrare # y , 'RA"1 *$< B10 "2 *$< B20...."n *$< Bn - $euronul fuzzy *$< selecteaza conunctia ponderilor alorilor de intrare # y, *$
$. %etele neuronale fuzzy straticate - *cesti neuroni pot ansamlati in retele straticate. - Se otin retele neuronale neomogene - %igura alaturata descrie o retea in doua straturi compusa dintr-un prim strat cu p neuroni de acelasi tip *$< si al doilea strat care preia toate semnalele anterioare cu un singur neuron 'R
&. N'%*+ - $!%&R'( , $!uro %uzzy function ap&R'(imator - =n sistem neuro-fuzzy azut ca o retea pe 3 straturi de tip feedforBard - $u e"ista cicluri in retea si nici cone"iuni intre stratul n si stratul n0 E1 - &rolema pe care treuie sa o rezole# apro"imarea unei functii continue necunoscute folosind un sistem fuzzy - &roprietati# - unitatile de intrare sunt denumite "10.."n0 regulile ascunse R10 ...Rn iar unitatile de iesire y10..yn ecarei cone"iuni i se aplica un set fuzzy si etic/etata cu un termen lingistic
&. N'%*+ - Cu alte cuinte putem interpreta $!%&R'( in termeni de sistem fuzzy ecare unitate ascunsa reprezinta o regula fuzzy I%-:;!$
&. ANIS - *$%IS , *daptie $etBor-ased %uzzy Inference System - Reprezinta un tip de retea neuronala articiala azata pe sistemul fuzzy de inferenta Sugeno Ao regula fuzzy oisnuita in modelul Sugeno este # if " is * and y is @ t/en z , fA"0y - *$%IS foloseste un algoritm de inatare /irid - Similar sistemului $!%&R'(
,. Concluzii - Cominarea retelelor neuronale si a logicii fuzzy reprezinta un mod puternic de a dezolta sisteme inteligente - Cunostintele pot transferate intr-un sistem neuro-fuzzy su forma de ariaile lingistice si reguli fuzzy
