Статья: Сравнение результатов моделирования нейро-нечеткой сети в Matlab

Рис. 4. Окно для задания количества и выбора функции принадлежности

Обработка ошибок

При работе программы может возникнуть ошибка при вводе неверных данных, в этом случае выводится сообщение об ошибке (см. Рисунок 5).

Рис. 5. Сообщение об ошибке ввода

Все остальные параметры алгоритма не могут быть заданы пользователем некорректно, так как программа не будет работать, пока в полях ввода не будут верные данные.

Для рассмотрения примера система нечеткого вывода содержит 5 входов со своими данными, после чего идут от каждого входа три термы в каждой, 81 правило содержится в следующем слое, которое направлено на один выход, такой результат мы получили при загрузке данных (Рисунок 6).

Для обучения сети нужно воспользоваться вводом параметров, выбор метода обратное распределение или гибридный, метод наименьших квадратов и убывающего градиента.

Количество эпох или циклов обучения 100. Для обучения сети нужно нажать кнопку Train now. После нажатия обучение будет иллюстрироваться в виде графика.

Рис. 6. Структура сгенирированной нейро-нечеткой сети

Рис. 7. Процесс обучения сети 100 эпох

Рис. 8. График полученных результатов

Рис. 9. Полученные результаты - сгенирированные правила системы нечеткого вывода

Рис. 10. Процесс обучения сети 100 эпох

Рис. 11. График полученных результатов при помощи dsigmf

Рис. 12. Полученные результаты нечеткого вывода с помощью dsigmf

В результате для сравнения результатов, полученных при помощи различных функций принадлежности, делаем выводы.

Таблица 3. Сравнение результатов различных функций принадлежности

Использованы методы моделирования и принципы функционирования нейро-нечетких сетей, в том числе при решении задачи, построенные на прогнозировании, а также приобретены навыки в работе с MATLAB. Данная программа MATLAB позволяет быстро смоделировать нейро-нечеткую сеть, структура которой сгенерируется с получением входных данных на входе, а также программа сама сгенерирует набор нечетких правил. Так же можно быстро получить результаты (Рисунок 9).

В рамках данной работы был изучен базовый алгоритм создания нейронной сети, на основе которого была разработана в среде MATLAB ANFIS сеть, осуществляющий получение в зависимости от входных данных на входе.

Список литературы

1. Тэрано Т., Асаи К., Сугено М. Прикладные нечеткие системы перевод с японского канд. техн. наук Ю.Н. Чернышова. Москва. «Мир»,1993. 363 с.

2. Норвиг А.М., Турсон И.Б. Построение функций принадлежности // Нечеткие множества и теория возможностей. Последние достижения: пер. с англ./ под ред. Р.Р. Ягера. М.: Радио и связь, 1986. 408 с. 3.Рыжов А.П. Элементы теории нечетких множеств и измерения нечеткости. М.: Диалог. МГУ, 1998.

3. Ярушкина Н.Г. Основы теории нечетких и гибридных систем. М.: Финансы и статистика, 2004.