模糊神经网络的基本形式
模糊神经网络有如下三种形式:1.逻辑模糊神经网络2.算术模糊神经网络3.混合模糊神经网络模糊神经网络就是具有模糊权系数或者输入信号是模糊量的神经网络。上面三种形式的模糊神经网络中所执行的运算方法不同。
模糊神经网络无论作为逼近器,还是模式存储器,都是需要学习和优化权系数的。学习算法是模糊神经网络优化权系数的关键。对于逻辑模糊神经网络,可采用基于误差的学习算法,也即是监视学习算法。
对于算术模糊神经网络,则有模糊BP算法,遗传算法等。对于混合模糊神经网络,目前尚未有合理的算法;不过,混合模糊神经网络一般是用于计算而不是用于学习的,它不必一定学习。
谷歌人工智能写作项目:神经网络伪原创
什么是模糊神经网络的分类器研究,它是否就是目标识别研究 30
分类和目标识别,还是有一些区别的写作猫。分类强调的将一组相似的样本划为一类,各类之间有明显的不同特征。
而目标识别可能是针对个体的,每个个体都有自己的特征,可以将每个样本分别识别出来,例如字符识别、车牌识别等,这些就是目标识别的例子。
模糊神经网络就是模糊理论同神经网络相结合的产物,它汇集了神经网络与模糊理论的优点,集学习、联想、识别、信息处理于一体。其比较适用于分类和识别,因为其模糊规则可以保证不受噪声干扰。