模糊控制與神經(jīng)網(wǎng)絡(luò)

1、BP神經(jīng)網(wǎng)絡(luò)BP （Back Propagati on）神經(jīng)網(wǎng)絡(luò)是一種神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，全稱(chēng)基于誤差反向傳播算法的人工神經(jīng)網(wǎng)絡(luò)。如圖所示拓?fù)浣Y(jié)構(gòu)的單隱層前饋網(wǎng)絡(luò)，一般稱(chēng)為三層前饋網(wǎng)或三層感知器，即：輸入層、中間層（也稱(chēng)隱層） 和輸出層。它的特點(diǎn)是：各層神經(jīng)元僅與相鄰層神經(jīng)元之間相互全連接，同層內(nèi)神經(jīng)元之間無(wú)連接，各層神經(jīng)元之 間無(wú)反饋連接，夠成具有層次結(jié)構(gòu)的前饋型神經(jīng)網(wǎng)絡(luò)系統(tǒng)。單計(jì)算層前饋神經(jīng)網(wǎng)絡(luò)只能求解線(xiàn)性可分問(wèn)題，能夠求 解非線(xiàn)性問(wèn)題的網(wǎng)絡(luò)必須是具有隱層的多層神經(jīng)網(wǎng)絡(luò)。在人工神經(jīng)網(wǎng)絡(luò)發(fā)展歷史中，很長(zhǎng)一段時(shí)間里沒(méi)有找到隱層的連接權(quán)值調(diào)整問(wèn)題的有效算法。直到誤差反向傳播算法（BP算法）的提出，

2、成功地解決了求解非線(xiàn)性連續(xù)函數(shù)的多層前饋神經(jīng)網(wǎng)絡(luò)權(quán)重調(diào)整問(wèn)題。BP （Back Propagation）神經(jīng)網(wǎng)絡(luò)，即誤差反傳誤差反向傳播算法的學(xué)習(xí)過(guò)程，由信息的正向傳播和誤差的反向 傳播兩個(gè)過(guò)程組成。輸入層各神經(jīng)元負(fù)責(zé)接收來(lái)自外界的輸入信息，并傳遞給中間層各神經(jīng)元；中間層是內(nèi)部信息 處理層，負(fù)責(zé)信息變換，根據(jù)信息變化能力的需求，中間層可以設(shè)計(jì)為單隱層或者多隱層結(jié)構(gòu)；最后一個(gè)隱層傳遞 到輸出層各神經(jīng)元的信息，經(jīng)進(jìn)一步處理后，完成一次學(xué)習(xí)的正向傳播處理過(guò)程，由輸出層向外界輸出信息處理結(jié) 果。當(dāng)實(shí)際輸出與期望輸出不符時(shí)，進(jìn)入誤差的反向傳播階段。誤差通過(guò)輸出層，按誤差梯度下降的方式修正各層 權(quán)值，向隱

3、層、輸入層逐層反傳。周而復(fù)始的信息正向傳播和誤差反向傳播過(guò)程，是各層權(quán)值不斷調(diào)整的過(guò)程，也 是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練的過(guò)程，此過(guò)程一直進(jìn)行到網(wǎng)絡(luò)輸出的誤差減少到可以接受的程度，或者預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止。神經(jīng)網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)是： 思維學(xué)普遍認(rèn)為，人類(lèi)大腦的思維分為抽象（邏輯）思維、形象（直觀）思維和靈感（頓悟）思維三種基本方 式。邏輯性的思維是指根據(jù)邏輯規(guī)則進(jìn)行推理的過(guò)程；它先將信息化成概念，并用符號(hào)表示，然后，根據(jù)符號(hào)運(yùn)算 按串行模式進(jìn)行邏輯推理；這一過(guò)程可以寫(xiě)成串行的指令，讓計(jì)算機(jī)執(zhí)行。然而，直觀性的思維是將分布式存儲(chǔ)的 信息綜合起來(lái)，結(jié)果是忽然間產(chǎn)生想法或解決問(wèn)題的辦法。這種思維方式的根本之點(diǎn)在

4、于以下兩點(diǎn):1.信息是通過(guò)神經(jīng)元上的興奮模式分布儲(chǔ)在網(wǎng)絡(luò)上;2.信息處理是通過(guò)神經(jīng)元之間同時(shí)相互作用的動(dòng)態(tài)過(guò)程來(lái)完成的。人工神經(jīng)網(wǎng)絡(luò)就是模擬人思維的第二種方式。這是一個(gè)非線(xiàn)性動(dòng)力學(xué)系統(tǒng)，其特色在于信息的分布式存儲(chǔ)和并行協(xié)同處理。雖然單個(gè)神經(jīng)元的結(jié)構(gòu)極其簡(jiǎn)單，功能有限，但大量神經(jīng)元構(gòu)成的網(wǎng)絡(luò)系統(tǒng)所能實(shí)現(xiàn)的行為卻是極其 豐富多彩的。神經(jīng)網(wǎng)絡(luò)的研究?jī)?nèi)容相當(dāng)廣泛，反映了多學(xué)科交叉技術(shù)領(lǐng)域的特點(diǎn)。目前，主要的研究工作集中在以下幾個(gè)方 面：（1）生物原型研究。從生理學(xué)、心理學(xué)、解剖學(xué)、腦科學(xué)、病理學(xué)等生物科學(xué)方面研究神經(jīng)細(xì)胞、神經(jīng)網(wǎng)絡(luò)、 神經(jīng)系統(tǒng)的生物原型結(jié)構(gòu)及其功能機(jī)理。（2）建立理論模型。根據(jù)生物原型

5、的研究，建立神經(jīng)元、神經(jīng)網(wǎng)絡(luò)的理論模型。其中包括概念模型、知識(shí)模 型、物理化學(xué)模型、數(shù)學(xué)模型等。（3）網(wǎng)絡(luò)模型與算法研究。在理論模型研究的基礎(chǔ)上構(gòu)作具體的神經(jīng)網(wǎng)絡(luò)模型，以實(shí)現(xiàn)計(jì)算機(jī)饃擬或準(zhǔn)備制 作硬件，包括網(wǎng)絡(luò)學(xué)習(xí)算法的研究。這方面的工作也稱(chēng)為技術(shù)模型研究。（4 ）人工神經(jīng)網(wǎng)絡(luò)應(yīng)用系統(tǒng)。在網(wǎng)絡(luò)模型與算法研究的基礎(chǔ)上，利用人工神經(jīng)網(wǎng)絡(luò)組成實(shí)際的應(yīng)用系統(tǒng)，例 如，完成某種信號(hào)處理或模式識(shí)別的功能、構(gòu)作專(zhuān)家系統(tǒng)、制成機(jī)器人等等?？v觀當(dāng)代新興科學(xué)技術(shù)的發(fā)展歷史，人類(lèi)在征服宇宙空間、基本粒子，生命起源等科學(xué)技術(shù)領(lǐng)域的進(jìn)程中歷經(jīng) 了崎嶇不平的道路。我們也會(huì)看到，探索人腦功能和神經(jīng)網(wǎng)絡(luò)的研究將伴隨著重重困難

6、的克服而日新月異。【人工神經(jīng)網(wǎng)絡(luò)的工作原理】人工神經(jīng)網(wǎng)絡(luò)首先要以一定的學(xué)習(xí)準(zhǔn)則進(jìn)行學(xué)習(xí)，然后才能工作?，F(xiàn)以人工神經(jīng)網(wǎng)絡(luò)對(duì)手寫(xiě)“ A” “ B兩個(gè)字母的識(shí)別為例進(jìn)行說(shuō)明，規(guī)定當(dāng)“ A輸入網(wǎng)絡(luò)時(shí)，應(yīng)該輸出“ 1,而當(dāng)輸入為“ B時(shí)，輸出為“ 0。所以網(wǎng)絡(luò)學(xué)習(xí)的準(zhǔn)則應(yīng)該是：如果網(wǎng)絡(luò)作出錯(cuò)誤的的判決，則通過(guò)網(wǎng)絡(luò)的學(xué)習(xí)，應(yīng)使得網(wǎng)絡(luò)減少下次犯同樣錯(cuò) 誤的可能性。首先，給網(wǎng)絡(luò)的各連接權(quán)值賦予（0，1）區(qū)間內(nèi)的隨機(jī)值，將 “ A所對(duì)應(yīng)的圖象模式輸入給網(wǎng)絡(luò)，網(wǎng)絡(luò)將輸入模式加權(quán)求和、與門(mén)限比較、再進(jìn)行非線(xiàn)性運(yùn)算，得到網(wǎng)絡(luò)的輸出。在此情況下，網(wǎng)絡(luò)輸出為“ 1和“0的概率各為50%，也就是說(shuō)是完全隨機(jī)的。 這時(shí)如果輸

7、出為 “ 1結(jié)果正確），則使連接權(quán)值增大，以便使網(wǎng)絡(luò)再次遇到 “A” 模式輸入時(shí)，仍然能作出正確的判斷。如果輸出為“0即結(jié)果錯(cuò)誤），則把網(wǎng)絡(luò)連接權(quán)值朝著減小綜合輸入加權(quán)值的方向調(diào)整，其目的在于使網(wǎng)絡(luò)下次再遇到“A”莫式輸入時(shí)，減小犯同樣錯(cuò)誤的可能性。 如此操作調(diào)整，當(dāng)給網(wǎng)絡(luò)輪番輸入若干個(gè)手寫(xiě)字母“A” “ B后,經(jīng)過(guò)網(wǎng)絡(luò)按以上學(xué)習(xí)方法進(jìn)行若干次學(xué)習(xí)后，網(wǎng)絡(luò)判斷的正確率將大大提高。這說(shuō)明網(wǎng)絡(luò)對(duì)這兩個(gè)模式的學(xué)習(xí)已經(jīng)獲得了成功，它已將這兩個(gè)模式分布地記憶在網(wǎng)絡(luò)的各個(gè)連接權(quán)值上。當(dāng)網(wǎng)絡(luò)再次遇到其中任何一個(gè)模式時(shí)，能夠 作出迅速、準(zhǔn)確的判斷和識(shí)別。一般說(shuō)來(lái)，網(wǎng)絡(luò)中所含的神經(jīng)元個(gè)數(shù)越多，則它能記憶、識(shí)別的

8、模式也就越多。人腦是如何工作的？ ”人類(lèi)能否制作模擬人腦的人工神經(jīng)元？”多少年以來(lái)，人們從醫(yī)學(xué)、生物學(xué)、生理學(xué)、哲學(xué)、信息學(xué)、計(jì)算機(jī)科學(xué)、認(rèn)知學(xué)、組織協(xié)同學(xué)等各個(gè)角度企 圖認(rèn)識(shí)并解答上述問(wèn)題。在尋找上述問(wèn)題答案的研究過(guò)程中，近年來(lái)逐漸形成了一個(gè)新興的多學(xué)科交叉技術(shù)領(lǐng)域， 稱(chēng)之為神經(jīng)網(wǎng)絡(luò)”神經(jīng)網(wǎng)絡(luò)的研究涉及眾多學(xué)科領(lǐng)域，這些領(lǐng)域互相結(jié)合、相互滲透并相互推動(dòng)。不同領(lǐng)域的科 學(xué)家又從各自學(xué)科的興趣與特色出發(fā)，提出不同的問(wèn)題，從不同的角度進(jìn)行研究。心理學(xué)家和認(rèn)知科學(xué)家研究神經(jīng)網(wǎng)絡(luò)的目的在于探索人腦加工、儲(chǔ)存和搜索信息的機(jī)制， 弄清人腦功能的機(jī)理，建立人類(lèi)認(rèn)知過(guò)程的微結(jié)構(gòu)理論。生物學(xué)、醫(yī)學(xué)、腦科學(xué)專(zhuān)家試

9、圖通過(guò)神經(jīng)網(wǎng)絡(luò)的研究推動(dòng)腦科學(xué)向定量、精確和理論化體系發(fā)展，同時(shí)也寄希 望于臨床醫(yī)學(xué)的新突破； 信息處理和計(jì)算機(jī)科學(xué)家研究這一問(wèn)題的目的在于尋求新的途徑以解決目前不能解決或解 決起來(lái)有極大困難的大量問(wèn)題，構(gòu)造更加逼近人腦功能的新一代計(jì)算機(jī)。人工神經(jīng)網(wǎng)絡(luò)是由大量的簡(jiǎn)單基本元件神經(jīng)元相互聯(lián)接而成的自適應(yīng)非線(xiàn)性動(dòng)態(tài)系統(tǒng)。每個(gè)神經(jīng)元的結(jié)構(gòu)和功能比較簡(jiǎn)單，但大量神經(jīng)元組合產(chǎn)生的系統(tǒng)行為卻非常復(fù)雜。人工神經(jīng)網(wǎng)絡(luò)反映了人腦功能的若干基本特性，但并非生物系統(tǒng)的逼真描述，只是某種模仿、簡(jiǎn)化和抽象。與數(shù)字計(jì)算機(jī)比較，人工神經(jīng)網(wǎng)絡(luò)在構(gòu)成原理和功能特點(diǎn)等方面更加接近人腦，它不是按給定的程序一步一步地執(zhí)行運(yùn)算，而是能夠

10、自身適應(yīng)環(huán)境、總結(jié)規(guī)律、完成某種運(yùn)算、識(shí)別或過(guò)程控制。人工神經(jīng)元的研究起源于腦神經(jīng)元學(xué)說(shuō)。19世紀(jì)末，在生物、生理學(xué)領(lǐng)域，Waldeger等人創(chuàng)建了神經(jīng)元學(xué)說(shuō)。人們認(rèn)識(shí)到復(fù)雜的神經(jīng)系統(tǒng)是由數(shù)目繁多的神經(jīng)元組合而成。大腦皮層包括有100億個(gè)以上的神經(jīng)元， 每立方毫米約有數(shù)萬(wàn)個(gè)，它們互相聯(lián)結(jié)形成神經(jīng)網(wǎng)絡(luò)，通過(guò)感覺(jué)器官和神經(jīng)接受來(lái)自身體內(nèi)外的各種信息，傳遞至中樞神經(jīng)系 統(tǒng)內(nèi)，經(jīng)過(guò)對(duì)信息的分析和綜合，再通過(guò)運(yùn)動(dòng)神經(jīng)發(fā)出控制信息，以此來(lái)實(shí)現(xiàn)機(jī)體與內(nèi)外環(huán)境的聯(lián)系，協(xié)調(diào)全身的 各種機(jī)能活動(dòng)。神經(jīng)元也和其他類(lèi)型的細(xì)胞一樣，包括有細(xì)胞膜、細(xì)胞質(zhì)和細(xì)胞核。但是神經(jīng)細(xì)胞的形態(tài)比較特殊，具有許多 突起，因此又分為細(xì)胞

11、體、軸突和樹(shù)突三部分。細(xì)胞體內(nèi)有細(xì)胞核，突起的作用是傳遞信息。樹(shù)突是作為引入輸入 信號(hào)的突起，而軸突是作為輸出端的突起，它只有一個(gè)。樹(shù)突是細(xì)胞體的延伸部分，它由細(xì)胞體發(fā)出后逐漸變細(xì)，全長(zhǎng)各部位都可與其他神經(jīng)元的軸突末梢相互聯(lián)系， 形成所謂 突觸”在突觸處兩神經(jīng)元并未連通，它只是發(fā)生信息傳遞功能的結(jié)合部，聯(lián)系界面之間間隙約為（1550） M0米。突觸可分為興奮性與抑制性?xún)煞N類(lèi)型，它相應(yīng)于神經(jīng)元之間耦合的極性。每個(gè)神經(jīng)元的突觸數(shù)目正常， 最高可達(dá)10個(gè)。各神經(jīng)元之間的連接強(qiáng)度和極性有所不同，并且都可調(diào)整、基于這一特性，人腦具有存儲(chǔ)信息的 功能。利用大量神經(jīng)元相互聯(lián)接組成人工神經(jīng)網(wǎng)絡(luò)可顯示出人的大腦

12、的某些特征。下面通過(guò)人工神經(jīng)網(wǎng)絡(luò)與通用的計(jì)算機(jī)工作特點(diǎn)來(lái)對(duì)比一下：若從速度的角度出發(fā)，人腦神經(jīng)元之間傳遞信息的速度要遠(yuǎn)低于計(jì)算機(jī)，前者為毫秒量級(jí)，而后者的頻率往往 可達(dá)幾百兆赫。但是，由于人腦是一個(gè)大規(guī)模并行與串行組合處理系統(tǒng)，因而，在許多問(wèn)題上可以作出快速判斷、 決策和處理，其速度則遠(yuǎn)高于串行結(jié)構(gòu)的普通計(jì)算機(jī)。人工神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)模仿人腦，具有并行處理特征，可 以大大提高工作速度。人腦存貯信息的特點(diǎn)為利用突觸效能的變化來(lái)調(diào)整存貯內(nèi)容，也即信息存貯在神經(jīng)元之間連接強(qiáng)度的分布上，存貯區(qū)與計(jì)算機(jī)區(qū)合為一體。雖然人腦每日有大量神經(jīng)細(xì)胞死亡（平均每小時(shí)約一千個(gè)），但不影響大腦的正常思維活動(dòng)。普通計(jì)算

13、機(jī)是具有相互獨(dú)立的存貯器和運(yùn)算器，知識(shí)存貯與數(shù)據(jù)運(yùn)算互不相關(guān)，只有通過(guò)人編出的程序使之溝通，這種溝通不能超越程序編制者的預(yù)想。元器件的局部損壞及程序中的微小錯(cuò)誤都可能引起嚴(yán)重的失常。人類(lèi)大腦有很強(qiáng)的自適應(yīng)與自組織特性，后天的學(xué)習(xí)與訓(xùn)練可以開(kāi)發(fā)許多各具特色的活動(dòng)功能。如盲人的聽(tīng)覺(jué)和觸覺(jué)非常靈敏；聾啞人善于運(yùn)用手勢(shì)；訓(xùn)練有素的運(yùn)動(dòng)員可以表現(xiàn)出非凡的運(yùn)動(dòng)技巧等等。普通計(jì)算機(jī)的功能取決于程序中給出的知識(shí)和能力。顯然，對(duì)于智能活動(dòng)要通過(guò)總結(jié)編制程序?qū)⑹掷щy。人工神經(jīng)網(wǎng)絡(luò)也具有初步的自適應(yīng)與自組織能力。在學(xué)習(xí)或訓(xùn)練過(guò)程中改變突觸權(quán)重值，以適應(yīng)周?chē)h(huán)境的要求。同一網(wǎng)絡(luò)因?qū)W習(xí)方式及內(nèi)容不同可具有不同的功能。

14、人工神經(jīng)網(wǎng)絡(luò)是一個(gè)具有學(xué)習(xí)能力的系統(tǒng)，可以發(fā)展知識(shí)，以致超過(guò)設(shè)計(jì)者原有的知識(shí)水平。通常，它的學(xué)習(xí)訓(xùn)練方式可分為兩種，一種是有監(jiān)督或稱(chēng)有導(dǎo)師的學(xué)習(xí)，這時(shí)利 用給定的樣本標(biāo)準(zhǔn)進(jìn)行分類(lèi)或模仿；另一種是無(wú)監(jiān)督學(xué)習(xí)或稱(chēng)無(wú)為導(dǎo)師學(xué)習(xí)，這時(shí)，只規(guī)定學(xué)習(xí)方式或某些規(guī)則， 則具體的學(xué)習(xí)內(nèi)容隨系統(tǒng)所處環(huán)境(即輸入信號(hào)情況)而異，系統(tǒng)可以自動(dòng)發(fā)現(xiàn)環(huán)境特征和規(guī)律性，具有更近似人腦的功能。人工神經(jīng)網(wǎng)絡(luò)早期的研究工作應(yīng)追溯至本世紀(jì)40年代。下面以時(shí)間順序，以著名的人物或某一方面突出的研究成果為線(xiàn)索，簡(jiǎn)要介紹人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史。1943年，心理學(xué)家 WMcculloch和數(shù)理邏輯學(xué)家 WPitts在分析、總結(jié)神經(jīng)元基本

15、特性的基礎(chǔ)上首先提出神經(jīng) 元的數(shù)學(xué)模型。此模型沿用至今，并且直接影響著這一領(lǐng)域研究的進(jìn)展。因而，他們兩人可稱(chēng)為人工神經(jīng)網(wǎng)絡(luò)研究 的先驅(qū)。1945年馮 諾依曼領(lǐng)導(dǎo)的設(shè)計(jì)小組試制成功存儲(chǔ)程序式電子計(jì)算機(jī)，標(biāo)志著電子計(jì)算機(jī)時(shí)代的開(kāi)始。1948年，他在研究工作中比較了人腦結(jié)構(gòu)與存儲(chǔ)程序式計(jì)算機(jī)的根本區(qū)別，提出了以簡(jiǎn)單神經(jīng)元構(gòu)成的再生自動(dòng)機(jī)網(wǎng)絡(luò)結(jié) 構(gòu)。但是，由于指令存儲(chǔ)式計(jì)算機(jī)技術(shù)的發(fā)展非常迅速，迫使他放棄了神經(jīng)網(wǎng)絡(luò)研究的新途徑，繼續(xù)投身于指令存 儲(chǔ)式計(jì)算機(jī)技術(shù)的研究，并在此領(lǐng)域作出了巨大貢獻(xiàn)。雖然，馮諾依曼的名字是與普通計(jì)算機(jī)聯(lián)系在一起的，但他也是人工神經(jīng)網(wǎng)絡(luò)研究的先驅(qū)之一。50年代末，F(xiàn) Rosen

16、blatt設(shè)計(jì)制作了 感知機(jī)”，它是一種多層的神經(jīng)網(wǎng)絡(luò)。這項(xiàng)工作首次把人工神經(jīng)網(wǎng)絡(luò)的研 究從理論探討付諸工程實(shí)踐。當(dāng)時(shí)，世界上許多實(shí)驗(yàn)室仿效制作感知機(jī)，分別應(yīng)用于文字識(shí)別、聲音識(shí)別、聲納信 號(hào)識(shí)別以及學(xué)習(xí)記憶問(wèn)題的研究。然而，這次人工神經(jīng)網(wǎng)絡(luò)的研究高潮未能持續(xù)很久，許多人陸續(xù)放棄了這方面的 研究工作，這是因?yàn)楫?dāng)時(shí)數(shù)字計(jì)算機(jī)的發(fā)展處于全盛時(shí)期，許多人誤以為數(shù)字計(jì)算機(jī)可以解決人工智能、模式識(shí)別、專(zhuān)家系統(tǒng)等方面的一切問(wèn)題，使感知機(jī)的工作得不到重視；其次，當(dāng)時(shí)的電子技術(shù)工藝水平比較落后，主要的元件 是電子管或晶體管，利用它們制作的神經(jīng)網(wǎng)絡(luò)體積龐大，價(jià)格昂貴，要制作在規(guī)模上與真實(shí)的神經(jīng)網(wǎng)絡(luò)相似是完全 不

17、可能的；另外，在 1968年一本名為感知機(jī)的著作中指出線(xiàn)性感知機(jī)功能是有限的，它不能解決如異感這樣 的基本問(wèn)題，而且多層網(wǎng)絡(luò)還不能找到有效的計(jì)算方法，這些論點(diǎn)促使大批研究人員對(duì)于人工神經(jīng)網(wǎng)絡(luò)的前景失去信心。60年代末期，人工神經(jīng)網(wǎng)絡(luò)的研究進(jìn)入了低潮。另外，在60年代初期，Widrow提出了自適應(yīng)線(xiàn)性元件網(wǎng)絡(luò)，這是一種連續(xù)取值的線(xiàn)性加權(quán)求和閾值網(wǎng)絡(luò)。后 來(lái)，在此基礎(chǔ)上發(fā)展了非線(xiàn)性多層自適應(yīng)網(wǎng)絡(luò)。當(dāng)時(shí)，這些工作雖未標(biāo)出神經(jīng)網(wǎng)絡(luò)的名稱(chēng)，而實(shí)際上就是一種人工 神經(jīng)網(wǎng)絡(luò)模型。隨著人們對(duì)感知機(jī)興趣的衰退，神經(jīng)網(wǎng)絡(luò)的研究沉寂了相當(dāng)長(zhǎng)的時(shí)間。80年代初期，模擬與數(shù)字混合的超大規(guī)模集成電路制作技術(shù)提高到新的水平

18、，完全付諸實(shí)用化，此外，數(shù)字計(jì)算機(jī)的發(fā)展在若干應(yīng)用領(lǐng)域遇到困難。這 一背景預(yù)示，向人工神經(jīng)網(wǎng)絡(luò)尋求出路的時(shí)機(jī)已經(jīng)成熟。美國(guó)的物理學(xué)家 Hopfield于1982年和1984年在美國(guó)科學(xué)院院刊上發(fā)表了兩篇關(guān)于人工神經(jīng)網(wǎng)絡(luò)研究的論文，引起了巨大的反響。人們重新認(rèn)識(shí)到神經(jīng)網(wǎng)絡(luò)的威力以及付諸應(yīng)用的現(xiàn)實(shí)性。隨即，一大批學(xué)者和研究人員圍繞著Hopfield提出的方法展開(kāi)了進(jìn)一步的工作，形成了 80年代中期以來(lái)人工神經(jīng)網(wǎng)絡(luò)的研究熱潮。【人工神經(jīng)網(wǎng)絡(luò)的主要研究機(jī)構(gòu)】模糊理論模糊理論(Fuzzy Logic)模糊的基本概念概念是思維的基本形式之一，它反映了客觀事物的本質(zhì)特征。人類(lèi)在認(rèn)識(shí)過(guò)程中，把感覺(jué)到的事物的共

19、同特點(diǎn)抽象出來(lái)加以概括，這就形成了概念。比如從白雪、白馬、白紙等事物中抽象出白”的概念。一個(gè)概念有它的內(nèi)涵和外延，內(nèi)涵是指該概念所反映的事物本質(zhì)屬性的總和，也就是概念的內(nèi)容。外延是指一個(gè)概念所確指的對(duì)象的范 圍。例如 人”這個(gè)概念的內(nèi)涵是指能制造工具，并使用工具進(jìn)行勞動(dòng)的動(dòng)物，外延是指古今中外一切的人。所謂模糊概念是指這個(gè)概念的外延具有不確定性，或者說(shuō)它的外延是不清晰的，是模糊的。例如青年”這個(gè)概念，它的內(nèi)涵我們是清楚的，但是它的外延，即什么樣的年齡階段內(nèi)的人是青年，恐怕就很難說(shuō)情楚，因?yàn)樵谀贻p”和不年輕”之間沒(méi)有一個(gè)確定的邊界，這就是一個(gè)模糊概念。需要注意的幾點(diǎn)：首先，人們?cè)谡J(rèn)識(shí)模糊性時(shí)，是

20、允許有主觀性的，也就是說(shuō)每個(gè)人對(duì)模糊事物的界限不完全一樣，承認(rèn)一定的主觀性是認(rèn)識(shí)模糊性的一個(gè)特點(diǎn)。例如，我們讓100個(gè)人說(shuō)出 年輕人”的年齡范圍，那么我們將得到100個(gè)不同的答案。盡管如此，當(dāng)我們用模糊統(tǒng)計(jì)的方法進(jìn)行分析時(shí)，年輕人的年齡界限分布又具有一定的規(guī) 律性；其次，模糊性是精確性的對(duì)立面，但不能消極地理解模糊性代表的是落后的生產(chǎn)力，恰恰相反，我們?cè)谔幚砜?觀事物時(shí)，經(jīng)常借助于模糊性。例如，在一個(gè)有許多人的房間里，找一位年老的高個(gè)子男人”，這是不難辦到的。這里所說(shuō)的年老”高個(gè)子”都是模糊概念，然而我們只要將這些模糊概念經(jīng)過(guò)頭腦的分析判斷，很快就可以在人 群中找到此人。如果我們要求用計(jì)算機(jī)查

21、詢(xún)，那么就要把所有人的年齡，身高的具體數(shù)據(jù)輸入計(jì)算機(jī)，然后我們才 可以從人群中找這樣的人。最后，人們對(duì)模糊性的認(rèn)識(shí)往往同隨機(jī)性混淆起來(lái)，其實(shí)它們之間有著根本的區(qū)別。隨機(jī)性是其本身具有明確 的含義，只是由于發(fā)生的條件不充分，而使得在條件與事件之間不能出現(xiàn)確定的因果關(guān)系，從而事件的出現(xiàn)與否表 現(xiàn)出一種不確定性。而事物的模糊性是指我們要處理的事物的概念本身就是模糊的，即一個(gè)對(duì)象是否符合這個(gè)概念難以確定，也就是由于概念外延模糊而帶來(lái)的不確定性。模糊理論的發(fā)展模糊理論是在美國(guó)加州大學(xué)伯克利分校電氣工程系的L.A.zadeh教授于1965年創(chuàng)立的模糊集合理論的數(shù)學(xué)基礎(chǔ)上發(fā)展起來(lái)的，主要包括模糊集合理論、模

22、糊邏輯、模糊推理和模糊控制等方面的內(nèi)容早在20世紀(jì)20年代，著名的哲學(xué)家和數(shù)學(xué)家B.Russell就寫(xiě)出了有關(guān)”含糊性”的論文他認(rèn)為所有的自然語(yǔ)言均是模糊的，比如”紅的”和老的”等概念沒(méi)有明確的內(nèi)涵和外延，因而是不明確的和模糊的可是，在特定的環(huán)境中，人們用這些概念來(lái)描述某個(gè)具體對(duì)象時(shí)卻又能心領(lǐng)神會(huì)，很少引起誤解和歧義美國(guó)加州大學(xué)的L.A.Zadeh教授在1965年發(fā)表了著名的論文，文中首次提出表達(dá)事物模糊性的重要概念：隸屬函數(shù)，從而突破了 19世紀(jì)末笛卡爾的經(jīng)典集合理論，奠定模糊理論的基礎(chǔ)1966年,P.N.Marinos發(fā)表模糊邏輯的研究報(bào)告，1974年丄.A.Zadeh發(fā)表模糊推理的研究報(bào)

23、告，從此，模糊理論成了 一個(gè)熱門(mén)的課題。1974年,英國(guó)的E.H.Mamdani首次用模糊邏輯和模糊推理實(shí)現(xiàn)了世界上第一個(gè)實(shí)驗(yàn)性的蒸汽機(jī)控制，并取得了比傳統(tǒng)的直接數(shù)字控制算法更好的效果 ，從而宣告模糊控制的誕生。1980年丹麥的L.P.Holmblad和Ostergard在水泥窯 爐采用模糊控制并取得了成功，這是第一個(gè)商業(yè)化的有實(shí)際意義的模糊控制器。事實(shí)上,模糊理論應(yīng)用最有效，最廣泛的領(lǐng)域就是模糊控制，模糊控制在各種領(lǐng)域出人意料的解決了傳統(tǒng)控制理論無(wú)法解決的或難以解決的問(wèn)題，并取得了一些令人信服的成效。模糊控制的基本思想：把人類(lèi)專(zhuān)家對(duì)特定的被控對(duì)象或過(guò)程的控制策略總結(jié)成一系列以IF（條件）TH

24、EN（作用）形式表示的控制規(guī)則,通過(guò)模糊推理得到控制作用集，作用于被控對(duì)象或過(guò)程.控制作用集為一組條件語(yǔ)句，狀態(tài)語(yǔ)句和控制作用均為一組 被量化了的模糊語(yǔ)言集，如正大,負(fù)大,正小,負(fù)小，零等。模糊控制的幾個(gè)研究方向：模糊控制的穩(wěn)定性研究模糊模型及辯識(shí)模糊最優(yōu)控制模糊自組織控制模糊自適應(yīng)控制多模態(tài)模糊控制模糊控制的主要缺陷：信息簡(jiǎn)單的模糊處理將導(dǎo)致系統(tǒng)的控制精度降低和動(dòng)態(tài)品質(zhì)變差若要提高精度則必然增加量化級(jí)數(shù)，從而導(dǎo)致規(guī)則搜索范圍擴(kuò)大，降低決策速度，甚至不能實(shí)時(shí)控制模糊控制的設(shè)計(jì)尚缺乏系統(tǒng)性，無(wú)法定義控制目標(biāo)控制規(guī)則 的選擇，論域的選擇，模糊集的定義，量化因子的選取多采用試湊發(fā) ，這對(duì)復(fù)雜系統(tǒng)的控

25、制是難以奏效的。編輯本段模糊理論的基本精神模糊理論是以模糊集合（fuzzy set）為基礎(chǔ)，其基本精神是接受模糊性現(xiàn)象存在的事實(shí)，而以處理概念模糊不確 定的事物為其研究目標(biāo)，并積極的將其嚴(yán)密的量化成計(jì)算機(jī)可以處理的訊息，不主張用繁雜的數(shù)學(xué)分析即模型來(lái)解決模型。模糊理論至今的應(yīng)用模糊理論發(fā)展至今已接近三十余年，應(yīng)用的范圍非常廣泛，從工程科技到社會(huì)人文科學(xué)都可以發(fā)現(xiàn)模糊理論研究的蹤跡與成果。我們分別由工程科技與社會(huì)人文科學(xué)的角度，了解模糊理論應(yīng)用的范疇。一、工程科技方面1、型樣識(shí)別：文字識(shí)別、指紋識(shí)別、手寫(xiě)字體辨識(shí)、影像辨識(shí)、語(yǔ)音辨識(shí)2、控制工程：機(jī)器人控制、汽車(chē)控制、家電控制、工業(yè)儀表控制、電力

26、控制3、信號(hào)及資訊處理：影像處理、語(yǔ)音處理、資料整理、數(shù)據(jù)庫(kù)管理4、人工智能及專(zhuān)家系統(tǒng)：故障診斷、自然語(yǔ)言處理、自動(dòng)翻譯、地震預(yù)測(cè)、工業(yè)設(shè)計(jì)5、環(huán)保：廢水處理、凈水處理廠工程、空氣污染檢驗(yàn)、空氣品質(zhì)監(jiān)控6、其他：建筑結(jié)構(gòu)分析、化工制程控制二、教育、社會(huì)及人文科學(xué)方面1、教育：教學(xué)成果評(píng)量、心理測(cè)驗(yàn)、性向測(cè)驗(yàn)、計(jì)算機(jī)輔助教學(xué)2、心理學(xué)：心理分析、性向測(cè)驗(yàn)3、決策決定：決策支援、決策分析、多目標(biāo)評(píng)價(jià)、綜合評(píng)價(jià)、風(fēng)險(xiǎn)分析模糊神經(jīng)網(wǎng)絡(luò)自適應(yīng)及模糊信模糊神經(jīng)網(wǎng)絡(luò) (Fuzzy network-FNN)就是模糊理論同神經(jīng)網(wǎng)絡(luò)相結(jié)合的產(chǎn)物，它匯集了神經(jīng)網(wǎng)絡(luò)與模糊理論的優(yōu)點(diǎn)，集學(xué)習(xí)、聯(lián)想、識(shí)別、息處理于一體。

27、模糊理論和神經(jīng)網(wǎng)絡(luò)技術(shù)是近年來(lái)人工智能研究較為活躍的兩個(gè)領(lǐng)域。人工神經(jīng)網(wǎng)絡(luò)是模擬人腦結(jié)構(gòu)的思維功能，具有較強(qiáng)的自學(xué)習(xí)和聯(lián)想功能，人工干預(yù)少，精度較高，對(duì)專(zhuān)家知識(shí)的利用也較少。但缺點(diǎn)是它不能處理和描 述模糊信息，不能很好利用已有的經(jīng)驗(yàn)知識(shí)，特別是學(xué)習(xí)及問(wèn)題的求解具有黑箱特性，其工作不具有可解釋性，同 時(shí)它對(duì)樣本的要求較高；模糊系統(tǒng)相對(duì)于神經(jīng)網(wǎng)絡(luò)而言，具有推理過(guò)程容易理解、專(zhuān)家知識(shí)利用較好、對(duì)樣本的要 求較低等優(yōu)點(diǎn)，但它同時(shí)又存在人工干預(yù)多、推理速度慢、精度較低等缺點(diǎn)，很難實(shí)現(xiàn)自適應(yīng)學(xué)習(xí)的功能，而且如 何自動(dòng)生成和調(diào)整隸屬度函數(shù)和模糊規(guī)則，也是一個(gè)棘手的問(wèn)題。如果將二者有機(jī)地結(jié)合起來(lái)，可以起到互補(bǔ)

28、的效 果。模糊神經(jīng)網(wǎng)絡(luò)有如下三種形式：1 邏輯模糊神經(jīng)網(wǎng)絡(luò)2算術(shù)模糊神經(jīng)網(wǎng)絡(luò)3 混合模糊神經(jīng)網(wǎng)絡(luò)模糊神經(jīng)網(wǎng)絡(luò)就是具有模糊權(quán)系數(shù)或者輸入信號(hào)是模糊量的神經(jīng)網(wǎng)絡(luò)。上面三種形式的模糊神經(jīng)網(wǎng)絡(luò)中所執(zhí)行的運(yùn)算方法不同。模糊神經(jīng)網(wǎng)絡(luò)無(wú)論作為逼近器，還是模式存儲(chǔ)器，都是需要學(xué)習(xí)和優(yōu)化權(quán)系數(shù)的。學(xué)習(xí)算法是模糊神經(jīng)網(wǎng)絡(luò)優(yōu) 化權(quán)系數(shù)的關(guān)鍵。對(duì)于邏輯模糊神經(jīng)網(wǎng)絡(luò)，可采用基于誤差的學(xué)習(xí)算法，也即是監(jiān)視學(xué)習(xí)算法。對(duì)于算術(shù)模糊神經(jīng) 網(wǎng)絡(luò)，則有模糊BP算法，遺傳算法等。對(duì)于混合模糊神經(jīng)網(wǎng)絡(luò)，目前尚未有合理的算法；不過(guò)，混合模糊神經(jīng)網(wǎng) 絡(luò)一般是用于計(jì)算而不是用于學(xué)習(xí)的，它不必一定學(xué)習(xí)。模糊神經(jīng)網(wǎng)絡(luò)可用于模糊回歸、模糊控制器、模糊專(zhuān)家系統(tǒng)、模糊譜系分析、模糊矩陣方程、通用逼近器。 在控制領(lǐng)域中，所關(guān)心的是由模糊神經(jīng)網(wǎng)絡(luò)構(gòu)成的模糊控制器。在這一章中.介紹模糊神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)、 遺傳算法、模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法，以及模糊神經(jīng)網(wǎng)絡(luò)的應(yīng)用。仿生學(xué)仿生學(xué)是發(fā)展相當(dāng)迅速的一門(mén)新興科學(xué)，仿生學(xué)主要