Documente Academic
Documente Profesional
Documente Cultură
ARTIFICIAL
Universitatea Valahia din Targoviste
Anul universitar 2012-2013
Otilia Elena DRAGOMIR
CURS NR. 7
Curs nr. 7
Sisteme hibride
Utilitatea sistemelor neuro-fuzzy
Modele neuronale bazate pe sisteme fuzzy
Modele fuzzy bazate pe retele neuronale
ANFIS
CNFS, NEFCON, NEFPROX, SANFIS.
Retele neuronale
Avantaje/ Dezavantaje
+ pot invata fara nici o informatie initiala
+ exista mai multe paradigme de invatare, potrivite
diverselor situatii
+ exista o multitudine de algoritmi de invatare disponibili
- sunt "cutii- negre" sub-simbolice: realizeaz transferul
intrare-ieire netransparent
- nu pot utiliza cunostinte apriori n scopul unei mai bune
iniializri a parametrilor reelei care ar conduce la o
mbuntire a convergenei i scderii duratei de antrenare
- necesita algoritmi de invatare complecsi
- nu garanteaza ca invatarea converge spre solutie
- prezinta dificultati in extragerea cunostintelor structurale
Necesitati
nu pot invata
trebuie sa dispuna de reguli stabilite a priori
nu exista metode formale pentru ajustarea
regulilor
construirea bazei de reguli este consumatoare
de timp
necesar o continu adaptare a bazei de reguli
n scopul achiziiei unor reguli consistente.
Necesitatea proiectrii unei componente adaptive a sistemului fuzzy care s modifice baza
de reguli astfel nct s fie descris ct mai bine aplicaia supus ateniei, combinand in
acest fel transparena oferit de sistemele fuzzy, cu proprietatea reelelor neuronale de a
se adapta
NEURO FUZZY
FALCON
NEFCON
Combinatii
ANFIS
SANFIS
GARIC
NEFPROX
NEFCLASS
7.4. ANFIS
Unde
ej este eroarea dintre iesirea dorita si cea
actuala
p este numarul de partitii fuzzy asociate
fiecarei variabile
n este numarul variabilelor de intrare
7.4. ANFIS
Arhitectura
Stratul 1. Fiecare nod i al acestui strat are o funcie de activare. Parametrii acestui
strat vor fi numii parametrii premisei.
7.4. ANFIS
Arhitectura
Stratul 2. Fiecare nod al acestui strat este un nod fix, a crui ieire este dat de
produsul semnalelor sale de intrare. Fiecare nod reprezint puterea de activare
a unei reguli, n general, se poate folosi pentru acest strat, orice operator de tip
norma-T ca fiind funcia de activare a unui nod.
7.4. ANFIS
Arhitectura
Stratul 3. Fiecare nod al acestui strat este un nod fix la nivelul cruia se calculeaz
raportul dintre puterea de activare a regulii i i suma puterilor de activare ale tuturor
regulilor. Ieirile acestui strat sunt numite puteri de activare normalizate.
7.4. ANFIS
Arhitectura
Stratul 4. Fiecare nod al acestui strat este adaptiv, avnd cate o funcie de activare.
Mulimea parametrilor acestui nod sunt numii parametrii consecinei.
7.4. ANFIS
Arhitectura
Stratul 5. Acest strat este format dintr-un singur nod fix notat cu D, care calculeaz
ieirea ANFIS ca fiind suma tuturor semnalelor sale de intrare.
7.4. ANFIS
Arhitectura
7.4. ANFIS
Adaptarea
Se poate aplica un algoritm de antrenare hibrid care const din dou etape:
parametri
liniari
Translateaza cunostinte in
structura de retea
si alegere fc. app
Avantaje si dezavantaje
Primele 3 straturi ale retelei
nu sunt complet conectate
Ordinul de marime
este conservat
Complexitate
exponentiale Pn
Avantaje si dezavantaje
Imposibil a
reprezenta relatiile
monotone cunoscute
Utilizeaza LMS pt det
coeficientilor polinomiali
Utilizeaza alg. BP pt
adaptarea partitiilor
fuzzy
Considerarea aspectului
simetric pentru erori induce
erori in ordinul de marime al
acestora si in met. de
analiza
Utilizeaza mecanismul
de inferenta
al FLC pentru
interpolarea regulilor
Interpolarea este
folosita liniarizare
(smoothness)
"Premiaza"
interpolarea formelor
de semne diferite
7.4. ANFIS
Oportunitati
Utilizarea altor functii cost (in locul SSE) pentru evidentierea valorilor utile pentru
utilizatori (eroare asimetrica, efecte de saturare)
Utilizarea altor tipuri de functii de agregare (in locul sumarii ponderate)
Aplicatii
Diagnozei proceselor
Predictiei evolutiei viitoare
situation (t)
X Y
A1
X
A2
Ens.
Appr.
inf. floue
B1
Y
B2
situation (t+prv)
x5,1
R
X Y
appren/ test
145 /145
y(t-a)
u(t-b)
ANFIS
y(t-a)
u(t-b)
ANFIS
A2
B1
B2
Modle 1
y(t+1)
ANFIS
y(t+prv)
situation (t+prev)
X Y
A1
y(t+prv)
ANFIS
ANFIS
ANFIS
Modle 3
x5,
1
mesures
RMSE, MAPE
PDF
X Y
y(t-a)
u(t-b)
u(t-c)
ANFIS
y(t-a)
u(t-b)
ANFIS
Modle 2
u(t+prv/2-c)
Modle 4
y(t+prv)
y(t+prv/2)
ANFIS
y(t+prv)
densit de probabilit
c) t+20
0.2
0.2
0.15
0.15
0.15
0.1
0.1
0.1
0.05
0.05
0.05
b) t+10
0.2
-5
10
-5
10
Observations
bonnes prdictions court
terme
un bon compromis entre la
prcision court terme et la
stabilit moyen terme
-5
10
% erreur de prediction
0.3
a) t+1
b) t+10
0.25
Remarques
c) t+20
0.03
0.03
0.02
0.02
0.01
0.01
leurs performances se
dgradent rapidement
mesure que l'horizon de
prdiction augumente
0.2
0.15
0.1
0.05
0
-1
-40 -20
20
% erreur de prediction
-20
-10
10
Observation
1,2
1,0042
0,9235
0,9328
0,9545
RMSE et MAPE
0,95
0,7152
0,8745
0,9118
1,0316
0,9278
0,9622
0,9812
Remarque
0,7
0,6534
0,462
0,45
leurs performances se
dgradent rapidement
mesure que l'horizon de
prdiction augumente
0,4021
0,2
Modle 3
t+1
t+2
t+4
t+10
prv
t+20
t+40
t+50
RMSE
MAPE
prdire
tat futur
u(t-a)
y(t-b)
ANFIS1
Modle 4
y(t+prev/2)
y(t+prev/2)
y(t+prev/2-v)
ANFIS2
y(t+prev)
densit de probabilit
a) t+1
0.12
b) t+10
0.2
0.15
c) t+20
0.1
0.1
0.08
0.08
0.06
0.06
0.04
0.04
0.02
0.02
0.1
0.05
0
-1
0
-20
-10
10
0
-20
-10
10
% erreur de prdiction
Observations
Remarque
Modle 4
7.6. SANFIS
y1
ym
y1
ym
ym
y1
x
x
a12 am1
x
a11
x
am 2
R1
R2
RJ-1
RJ
R1
R2
RJ-1
RJ
R1
R2
RJ-1
RJ
R1
R2
RJ-1
RJ
R1
R2
RJ-1
RJ
R1
R2
RJ-1
RJ
x1
xn
SANFI
S_I
x1
xn
SANFIS
_II
x1
SANFIS
_III
xn
7.5. CNFS
Sistemele Neuro-Fuzzy Co-active
(limba englez: "Co-active NeuroFuzzy System" - CNFS) extind
conceptul de sistem neuro-fuzzy
adaptiv la sisteme neuro-fuzzy cu
mai multe ieiri i cu reguli fuzzy
neliniare.
n cadrul CNFS, ambele tehnici,
reelele neuronale i sistemele fuzzy,
joac un rol activ n ceea ce privete
obinere unei anumite mrimi de
ieire dorite.
7.5. CNFS
function apPROXimator )
R
1
X
1
R
2
R
3
R4
R
5
X
2
R
1
X1
R
2
R3
R4
R
5
X
2
y1\
ym
ym\
C1
x2
x2
x1
x1
N
R1
R2
X1
x1
x2
(a) FALCON
R3
N
R1 R2
R4
A11 A12
A21 A22
X1
X2
x3
x1
(b) GARIC
(d) ANFIS
C1
R3
R4 R5
X2
x2
(c) NEFCLASS
CONCLUZII