超级会员免费看
类型 2 模糊神经网络：原理、架构与应用
1. 类型 2 模糊逻辑系统基础
在处理类型 2 模糊集时，由于纯类型 2 模糊集的计算负担较高，在实现类型 2 模糊逻辑神经网络时，通常使用区间模糊隶属函数来描述 IF - THEN 规则中的变量值。区间类型 2 模糊逻辑神经网络已被证明是通用函数逼近器。
2. 类型 2 模糊逻辑神经网络（T2FLNN）
T2FLNN 实现类型 2 模糊逻辑系统，其部分参数和组件用模糊逻辑术语表示。该网络的连续层依次执行类型 2 模糊化、表示模糊规则、定义每个规则的结果、聚合类型 2 模糊（或类型 1 模糊）输出值，最后进行去模糊化。
T2FLNN 的六层架构功能如下：
| 层编号 | 层名称 | 功能 |
| ---- | ---- | ---- |
| 0 | 输入层（Inputs） | 接受清晰的输入信号 |
| 1 | 输入隶属函数层（Input MFs） | 由模糊器组成，将输入映射到规则中使用的类型 2 模糊术语 |
| 2 | 规则层（Rules） | 包含表示规则的节点，每个规则节点对前一层输入链接的输出（区间值隶属度）执行 Min 操作 |
| 3 | 输出隶属函数层（Output MFs） | 由类型 1 的输出术语隶属函数组成 |
| 4 | 聚合层（Aggregation） | 计算输出变量的模糊输出信号 |
| 5 | 去模糊化层（Defuzzification） | 使用重心（COG）去模糊化方法进行去模糊化 |
graph LR
订阅专栏 解锁全文
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
