一种具有模糊监督学习的神经模糊系统

本文提出了一种使用模糊训练数据（模糊if-then规则）进行学习的神经模糊系统。该系统能够处理和学习数值信息以及语言信息。首先，我们提出了一个五层的神经网络，用于模糊推理系统的连接主义实现。这个连接主义结构可以容纳模糊逻辑规则和模糊推理的隶属函数。我们使用模糊数的α-水平集来表示语言信息。所提网络的输入、输出和权重可以是任何形状的模糊数。此外，它们还可以通过使用模糊单点来混合模糊数和数值。基于区间算术，我们为所提系统开发了一种模糊监督学习算法。它将常规的监督学习技术扩展到只有语言教学信号可用的学习问题。模糊监督学习方案可以用期望的模糊输入-输出对（即模糊数而非常规数值）来训练所提系统。通过模糊监督学习，所提系统可以用于规则库集中，以减少模糊规则库中的规则数量。给出了仿真结果以说明所提系统的性能和适用性。