23672

Разработка гибридных интеллектуальных систем в среде MatLab

Лабораторная работа

Информатика, кибернетика и программирование

Постановка задачи: С помощью адаптивной сети нечеткого вывода аппроксимировать функцию: y = 2x2 Ход работы: Исходные данные для обучения нейросети: Структура нейросети имеет вид: Процесс обучения нейронной сети: Результат обучения нейронной сети: Число эпох 40 Значение ошибки 11296 Просмотр поверхности соответствующей системы нечеткого вывода: Правила сгенерированной системы нечеткого вывода: Результаты аппроксимации с помощью сети: x y Y y y δy 04 032 0322 0002000 0006250 16 512 59 0780000 0152344 28 1568 152 0480000...

Русский

2013-08-05

174.5 KB

12 чел.

Министерство Образования Российской Федерации

Уфимский Государственный Авиационный Технический Университет

Кафедра ТК

Отчет по лабораторной работе №5

по курсу «Системы искусственного интеллекта»

на тему «Разработка гибридных интеллектуальных систем в среде MatLab»

Выполнили:  студенты гр. Т28-420

 

Проверила:   Габдуллина Э.Р.

Уфа 2006


Лабораторная работа № 5

Разработка гибридных интеллектуальных систем в среде MatLab

Цель работы: 

Исследование процесса  разработки адаптивной системы нейро-нечеткого вывода для аппроксимации зависимости, описываемой некоторой математической функцией.

Постановка задачи: 

С помощью адаптивной сети нечеткого вывода аппроксимировать функцию: y = 2x2

Ход работы:

Исходные данные для обучения нейросети:

Структура нейросети имеет вид:

Процесс обучения нейронной сети:

Результат обучения нейронной сети:

Число эпох

40

Значение ошибки

1,1296

Просмотр поверхности соответствующей системы нечеткого вывода:

Правила сгенерированной системы нечеткого вывода:


Результаты аппроксимации с помощью сети:

x

y

Y*

| y - y* |

δy

0,4

0,32

0,322

0,002000

0,006250

1,6

5,12

5,9

0,780000

0,152344

2,8

15,68

15,2

0,480000

0,030612

4

32

31,5

0,500000

0,015625

5,2

54,08

54,8

0,720000

0,013314

6,4

81,92

81,7

0,220000

0,002686

7,6

115,52

115

0,520000

0,004501

8,8

154,88

156

1,120000

0,007231

Изменение функций принадлежности:

Функция принадлежности

Исходные параметры

Скорректированные параметры

A1

A2

A1

A2

In1mf1

1.951

2.567

2,851

3,067

In1mf2

2.082

6.455

2,782

6,355

In1mf3

1.871

8.907

2,771

8,407


Результаты аппроксимации с помощью скорректированной сети:

X

y

Исходная сеть

Скорректированная сеть

y*

| y - y* |

Δy

y*

| y - y* |

δy

0,4

0,32

0,322

0,002000

0,006250

0,33

0,010000

0,031250

1,6

5,12

5,9

0,780000

0,152344

5,12

0,000000

0,000000

2,8

15,68

15,2

0,480000

0,030612

15,7

0,020000

0,001276

4

32

31,5

0,500000

0,015625

32

0,000000

0,000000

5,2

54,08

54,8

0,720000

0,013314

54,1

0,020000

0,000370

6,4

81,92

81,7

0,220000

0,002686

81,9

0,020000

0,000244

7,6

115,52

115

0,520000

0,004501

116

0,480000

0,004155

8,8

154,88

156

1,120000

0,007231

155

0,120000

0,000775

В результате добавления нового правила нарушается структура сети и ошибка не корректируется в процессе ее обучения:

Вывод:

В ходе проделанной работы был исследован процесс  разработки адаптивной системы нейро-нечеткого вывода для аппроксимации зависимости, описываемой некоторой математической функцией.


 

А также другие работы, которые могут Вас заинтересовать

51435. Исследование системы управления виртуальной памятью Windows с использованием системного монитора 126.5 KB
  Для этого используются стандартные средства администрирования Системный монитор и программа tsk sort выполняющая различные алгоритмы сортировки с различными структурами данных массив список дерево. Объяснить характер замедления особенностями алгоритма сортировки и структуры данных. Для того чтобы время сортировки на больших объемах данных было приемлемым в сортируемом массиве ячейка массива элемент списка выбираются размерностью...
51438. Структурные меры информации 79 KB
  Определение количества информации в комбинаторной мере - определение количества возможных или существующих комбинаций, т.е. оценка структурного разнообразия информационного устройства.