Sistenr e hitrr.ide ueur.o-luzz1.

fiiecare lchntca intcligcnti are utrele proprictali cornpulalicrnale

ripice (de exemplu, capacitatea
de a illYd!a' explicarea deciziilot') cale ii conlerd aplicabilitatea
pentlu anumite probleme gi prezinla
dezal'au1ale itl rezolvarea ahora. De exetlplu, relelele
neuronale au avantajul recunoagterii nrodelelor..
insd nu pot explica satisfic[tor rlodul iu care au ajuns la
o concluzie. Dimpotrir,d, sistemele fuzzl,por
raliorla cr-r inlblllla{ii inlprecise gi igi pot explica ra}ionanrenlul.
dar nu pot achiziliona aulomat regLrlile
pe care le utilizeazi penlru luarea deciziilor'. Aceste
limitali ar: fost principalul
moti' pentru care s-a
incercat crearea de sisleure inteligente hibricle, in care doui
sau mai multe tehnici pot {i co,rbinate
pen1ru a depagi dezavanlajele telnicilor individuale.

N'4odelarea cu reguli fuzz,s'. de tip daca-atunci, este in general potlivitd pentru

modelarea calitati'd.
TotuSi, in tnulte situalii. datorit5 incompletitudinii cunoagtelii.
iner.ente unor situalii reaie, aceasti
iibordare se dovede$te irlsuficient5. De aceea se face apel
la unele metode conexioniste. cuur ar. fi
Ie{elele treuronale' Sistemele neuro-Iitzz1' sunt astfel capabile
sd invele din exemple, sd get-teralizeze
pebaza cr:nogtin{elor acttt.l-iulate gi, pe baza datelor primite,
sd sintetizeze cunogtin}e i, lorma regi,rlilor
fuzz5,.

in ultimii ani' sistemele neuronale hibride au suscitat un deosebit

interes. Aceastd abordare s-a do'ec1it
incurluuati de succes in difelite domenii. plecum diagnoza echiparnentelor
industriale, robotica, sau
corltrolul ploceselor dinalrlice. N4otivul principai al studierii
sistemelor neuronale hibride este crealea
de sisleme de reprezentare subsimbolici. in special a le{elelor
neut'o-fuzzy. Din punctul de al
gtiin{elor cogrliti'e, reprezentarea lteuronal[ ofeli avantajul 'eclere
orr-rogenitilii, al capaci6tii de i,r,dlare
pl'in erenlple 5i a generalizirii. plecum gi efectualea de sarcini
distribuite. in medii cu date inco,rplete
sau afectale de zgomote' Din punctul de vedere al sistemelot'bazare
pe cunogtinfe, reprezenliirile
sinrbolice au aYatltajul interprelSrii untane, al controlului explicit
gi al abstractrzdriicunoagterii.

in irlteligen{a artificiald- procedeul tladilional esle prelucrarea simbolicd,

in modelele conexioniste
itlsd, accentul cade pe posibilitilile de invitale. Combinarea
celor doui aborddri este subiectul de
cercetare in sistentele hibr-ide, cum ar fi sistentele neuro_fuzz1,.
I\4odelele conexioniste sunt
ttlstruretrte putelnice de preluclare a cunoglinfelor', eficienle mai
ales in situalii in care percepJia gi
reac{ia sutlt filndattlentale qi unde regulile explicite nu pot
fi aplicate in mod natural sau dir.ect. Totugi.
inr''I{alea pt'in exenillle nu esle o solulie generala, in nrulte
situa}ii entitalile inleligente se bazeazd, pe
reguli lbnrtulate anterior cle experJi.
Cele clourL abot'din pot 1r utiljzate in rrod couiplenretrtar..Accasilt cstr- pt'cllriza ct'edrji
hibricle tnteligente. care coml:ind trasdtuli conexioniste (neuronale) ;i simbolice (fuzz1').

i1 astfel de sisteme, mai inlAi se introduc informalii simbolice in releaua neuronalS, apoi se lblosesc

exenrplele de instruire pentru rafinarea cr-rnogtinlelor iniliale. in final, se proceseazdrczultatttl pentru

un set de jntrdn qi. prin metode specificc. se extrag itrlbrma{ii simbolice din releaua antrenati.

Din 1tome11ul in care sistemeie fuzzy au fost puse in plactic[ in aplicaliile industliale. proiectanlii 9i-
au dat seama de dificr-rlt[]ile care surveneau in mod iuelent. Problema gasirii funcliilor nlembre
potriyite este de mnlte oli o chestiune de generare de valori gi indepf,rtarea celor erouate. Aceste solulii

sunt greu de glsit, mai ales intr-un proces industrial dinamic. De aceea s-a ivit ideea aplicarii

algoritrnilor de invdfale a sislenrel or fizz1,, ceea ce a. determinat aparilia controlelelor fttzzy adaptabile
saLl cLr auto-orgatllzare.

Sarcinile de luclu cornplexe pot da naqtele la minirne locale, de aceea paradigma invdldrii prin
exelrple se poate folosi nai mult pentru probleme simple. O rezolvare este irnpdr-lirea problemei in
subprobleme. rezolr,atc de diferite module neuro-fuzz1'. in tirnp ce logica fuzzy asigur[ mecanismele

de inf'erenla i1 caztl incertitudinii cognitive, refelele neurouale ofer[ avantajele invd!hrii.

adaprabilit[]ii, toler anlei 1a defecte, par alelisrnului gi general izdlii.

Sislemele neuro-fuzz1, moderne au caracteristici care le fac adecvate controlului unor procese

indristriale: sunt sistem e fizzy instruite printr-un algoritm de inr,dlare euristic, derivate itr genelal din
relele neuronale, pot fi reprezentate printr-o arhitecturd de relea neuronal[ feedforu'ard multistrat 9i

pot fi interpretate in telmetri de reguli dac[-atunci. Totuqi. intr'-un s)/stem real, pot exista zeci de
semnale cle intrare. Un numdl excesiv de intrdri poate detetiora transparenla modelului considerat 9i

cre;te coltplexitalea calculeiol. De aceea, este necesari selectarea intrf,r'ilor relet'ante 9i considerarea
de priolitali.

Din pulct de yedere teoretic, sisteruele fttzzy gi refelele ueurouale sutlt echivalente, deoalece sunt
inter-convertibile. S-a detloustrat fHayashi Y.,1994] c[:

- orice sistent fuzzy bazat pe reguli poate fi aproximat de o relea neuronald;

- orice re{ea leuronal[ (feed-foru,ard ntultistrat) poate fi aproximatd de un sistem ftzz-\'bazat pe

leguli.

in practicd iush, liecare at'e avantajele qi dezavatrtajele sale acestea fiind sinlettz'alein tabelul :
f

ie Ililte srstelilele fuzz\-

Ir lieui c,rtltlc
Sislctrre luzzv
SisIerne ri.uiotr,,l.
I uc rrrl.ror razi ciutLrstitrte 1r, .rl.tl,r; t* iri_ t. Pot iur rtta tar.ii uic
1re IegLtli
E:iisri ririi iiurlte
lrltile (t egLrli ii tr r.it _r t ,,,-r,l..l+- lr
r..i)
lrolr i|tte dii'er sel0t. !iTLtatrl
r t n t r

ilictrt ir( \it),l,l.i Erista o nnrltrnrdiue cle

jtutt rlisyrcnibrle iu llgoritrili (ie
liLltlleitt
LrLice lulirare dr:p,-ruibili in lit.,.t,rlo ;;
spr'cirtiira te

\L:1-r6t ir1:ata
c Suitt -.cutri uegre-' sulr-siuitiolic
Tret,uie crt clispLurir rle regLrh staLrririe . ){ecesitll algor.itnri cle iularar.e col}U,)lecsr
lllfrol I
o Nu errstit gararltix ca ilr:rttiu.ea
\u clt..l:': lilctI ic ll ,ttrr;r]r. a,rra_a, n.
l.1cil:t il:rju.ti.teir sp|e solufre
terniilc,r'
. Pleziuti cliticriitalr iu er;.ttise1e;r
cull0it1ufelol slt Ltctllrale

Siste,rele fuzzS' pr"ezill15' i, pri,cipal.

a'aulaiul explicarii collrpoftamenturui
pe bazaunor regLlli $i
deci pe'forlllalllele lot' fi
llot ajustale p,in modificarea acesto,a. Totusi.
achizilionarr.a curo$linlelor.
esle dificild' iar unil'ersul de discut's
al llecarei'ariabile de intrare tr.ebuie
divizati,,rai murte
ttrtel'r'ale 5i de aceea' aplicaliiie ststemelor
f'zz5' su,1 r'estranse la dome,iile i,
care surt disponibire
ctttlo;linlele exllertilot' iat'numilul variabilelor
de intrare este relati' r,ic.

Petltru fe{elele rleul'onale' cunogtinfele

sul1t achizilionate automat printr-un
algoritrn (de exemplu,
back-propagation)' darprocesul de
i,r'aIare este,elativ lent, iar analizarefelei
a,trenate este dificila
(o refea neurotiali este deseoli
co,siderati o "cutie lreagrd". i, care
avemacces numai ra i,trari gi
ie$iri' thri a q1i p't'cis ce sc itr1at,pl5 ra
i, i.terior). Nu este posibilr ,ici extragerea
cunogtin{elor
sttucturale (reguii) ciiu,eleaua antretratd.
nici i,tegrarea de i,formalii speciale
despre proble,ri.
pct-t1tu a sirrrpiifica pt'ocedut'a
de in'ifa,e. Utilizarea sistemelor
hibride neuro-fuzz 5, rntrinnzeazit
deza'anlajele si maxirr izeazd' a'autajele
celor doud teli,ici. Relelele neuro,ale
sunt lblosite pentru
adaptarea fi,rc{iilor de apartene,}a
ale sister-nelor fuzzyin aplica}iile
de control automat al proceselol
dirramice' Degi logica fuzzy permite
codarea cunoqtinleror de tip
expert prin terrleni lingvistici, de
obicei p,oieclarea 9i re-ula'ea funclriJor
de aparterenld car.e defi,esc cantitativ
acegli termeni este un
de,rers
-sl'eoi' Telmicile de i,r'51are ale te}elelor neuronale pot automatrza
procesul gi deci pot reduce
s,bsta,]ial coslul 5i tir,pul de dezvoltare
a aplicaliilor, co,duc6nd gi la cregter.ea
per.for.manleror..
Petltt'u a depagi problema achiziliei
c,nogti,feior, relelele nerrorale pot
fi proiectate sd extr.aga
autorllat leguli luzz;'din d,te tltttlterice.
Alte aborddri presnpun folosir.ea relelelor
neuronale pe,tru
optitlizarea Llnot'anuntili pararuetri ai
sistetn elor fuzz1, sau pepttupt.ellrocesarea
clatelor sr
de intrare
rrl(rqrL in
rrl
sisreraele 1'uzz\.
 subsiuboiic'
cor,bi,a'e a rroclulnrui si,rrolicfuzz,\' cu,odulul coteri''rnis1
i, funclie de moclur cre

existaniainlultetiptrriclehiblir]izlri'Cale\,olfidetaiiateitrcontrrruare'

1.1 Ilc{ele ncuronale fluzzy

care dispune de
flzz7, (flzzl,treural netrvorli'' FNN) repr.ezilrt, o re}ea neuronald
o r.e}ea neul.onald
gi/sau po,derile
prelucra i,formal tt rtzzl,.intr-o astfer de relea, semnarele de intrare
capacitatea de a
la ,rul1imi
gi/sau iegirile sunt subrnuilimi fuzz1, sau mullimi de valori de apaftenenla
conexir_urilor
ca mo<lele termeui lingvistici
plecum "mic"' "mediu"' "mare"' numere
ltzzy.De obicei. se utilizeaza
unui sistem
Se obse'vi c[ modurele conexioniste implementeazd aici func{iile
sau irter'are tuzzy.
realizate pebaza
stricte de intrare, regulile fuzzy sunt
fizzy.o relea efectueazd fiizzirtcareadatelor datele
iar. opera]ia de defrzziricare este
i,deplinita de o a treia relea, pe.tru a furniza
unei alte re1eie,
stlicte de iegire.
sd
f,zz'i,trh de aselrenea in aceast, categorie deoa.ece su,t capabile
Referele neuronare cu neuLor-ri

prelttcreze informalii fizzy'

Ie;u'e
httr are str ic tir
5111ct il

iirzzillcirre Kegtlrl rtt / z-\

fizzy (descoperilea de relalii funcfionale intre

Aceste tiilr-rri de r.eJele sturt utile
in aplicalii de regresie
in economie) sau clasificale
ectra{iilor lratriceale fuzz5,(folosite
date fuzz.v). control, rezo\,area
fuzz,1'.

1.2 P erc ePtro nu I fuzzl'

unei relele
existd o ,rultitudine de abo'd6ri cu privire la implernentarea
in lrter.atr.rra de specialitate
multistrat'
foarte simpld' cea a perceptronului
neuronale fttzzy,chiar intr-o fornr[
rezultand o arhitectu'd
o sisternatizate aacestor p'opuneri,
Nauck [Nauck D.&al., 1gg5] a incercat
care apoi a utirizat-o in sisternrir
NEFC.N (NeuralFuzzy CoNtrol)'
genericd de perceptr orf.ozzy.pe
care poate fi iniJializat pe baza
unor cuno$tinle ap'iorice
centr-ali este identificarea rinui
Ideea 'rodel
specifice relelelor neuronale'
gi cale poate 1i atrtrenat cu nletode
f

Pc-r'cclrllorll-]1 ftzzl' are arllilecltil'a ti,.r percerto,

r,.rurtistrat obiq,,i1, i,sd po,derire
sub 1bl'llllt l-tllor nluJlittti firzz'v' surt rnocjelate
I:urtcliile cie ncti'are. ie;;.ire qi
propagar.e surt nrodificate
tuzzl'
i, consecin!i.
ct-t 3 slt.aturj esle deh,i1 ca o relea
neul.onali feecllbLn,aLd cu 3
iltH,l..:Tl strar,rj (u,

Scoirtrlpet'cep1t'onulttitttzzT'nuesle
fuzzificareai,tegraidauneireleleneuronaledelipper.ceptrongi
t-rict nrodelar.ca unui sisterl de inlerenld.bazatpe
logica fuzz7,.Se obsen,a cd numai
It-t1rr't1-urile 5i func{iile ponderile, ne1
de acti,are ale unitrlilo,. de
ie;;ire sunl reprezentate ca
Perccptronul fuzzl' este aseminitot mu,}i mi luzz1,.
cu perceptronur ciasic. ulilizat
pentru aproxirniri de funclii.
A'ant.i,l s5u este posibilitatea de a asocla
terme,i lingr.istici cu po,der-ile
poale fi c.eatd par(iar sau
sale fazzygi astfel, r.eleaua
irtegral pebazaunor regnri fuzzl,de
tip dacd_atu,oi.
Gdsirea unui algorilnr de attt,etlat'e
(supe^'izati) pent'u perceplrouu
cazul percept,onr:lui clasic
r fuzzyeste mai dificila clecat in
neuronai cleoarece fu,c{iile
de activare are unitalilor
forrra Lulol't-nol'nre sunt definite sub
5i t-cottol',11e cal'e i, general nu snrt
diltrenliabire gi deci metocra gradienturui
descendent nu poate fi utilizatd.

1.3 Sistcnre fuzz7, ncur.onale

Url sistetll fuzzl' lleurotlal (lleut'al

fttzzT' s1'ste,., NFS) esle
un sistem fuzzl,pre'dzut cu
neurotrald petitl't-t dez'oltarea o reJea
unor caracterislici precum
flexibiritate, rrrlezd gi adaptabilitate.
Sche.ra bloc f,nclio,ald a
u,ui astfel de siste' este prezentata i, figura:

l
e,1.i )e1 T

slsterli fuzz]'

-l
'1 i l,
stsfetu lelri
tetea rtetttOtlitla

curroagtetea de tip expert

esle con'ertiti,rai intai i,tr'-o fo.,d
si,bolicS (1) gi apoi urilizatltpeutrlr
inilializarea re{elei ,euronale
(2)' i,
co'tinua'e. r'eleaua este antrena
td.pe bazai,lrdriror
t-ttlt"ti sistem real (3)' gi iegirilor
cu,o'ti,lele oblinLrle di, releaua neulo,ari.
(4) sunt prerucrate apoi intr-o ma*ierd
fuzzl'petrli't-t deterr,ittat'ea ullor
reeuli de infleren1 d fuzzy.co,turicate
i, final exper.tului (5).
 spcciar penlru acrrizrlia de c,^ogrrrrfe si
i, inr''[{are' I]le poi realiza
Aceste sisrerr-ie su,t p.tri'i1e
paratllett-ilor
pr.ocesul de int'erenf d I\227, cu ajutorul
ponderilor conexiuniior relelei cale col'espund

raJio,amertului. Folosi,d algoritmi de invi{are

cum ar fi back-propagation. aceste sisleme pot
fu,c1iile de apartenen![ ale inferen{elot" Un
sisten-i
identifica reguli fnzzy-pel1tru ca apoi si invele
ar trebr.ri. teoretic, si poatd inv,fa gr reguli ling'istice sau si optirttrzeze
'eguiile
deja
luzz' rretrLo,al
cxistettte.

Existd aici trei Posibilitali:

,ici o regu16. El trebui sd creeze ,oi reguri pi,d cand problema de

. Siste,rur nu dispune i,iliar de
care nu esle
noi este deter'rinata de un moder de a,trenare
inr,llare este rezol,ali. clearea unei reguri
acoperil suficieut debazacltrcnti de reguli'
pa'cursul
. pot fi create prin pa'ti{iona1'ea 'ariabilelor. Pe
Siste,rur porne$te cu toate regulile care
de reguli prin evaluarea perfoman{elor
acestota'
antrenirii, el elimind regulile inutile din baza
sunt modificate sau inlocuite
. Siste.ul are i,iliai u, ntimdr fix de reguri. in timpui inr,f,1[rii, acestea

printr-un proces de optir-Lrizare'

1.4 Sistcmc ncuro-fuzz1'

ia ora actualA. Sistemele hibride neurofuzzy snnl

0
Acestea sunt cere *rai studiate sisteme hibride
a,rbele tehnici joaca un rol cheie: logica fuzzy
co,birafie de r.elele ncur.,ale ;i logica fttzzv in ca.e
capacitatea de irvi{are a releleror neu'onale'
Unii autori
asigur[ str-uclura i, care poate Ii exproatat.
de uulf,toarele caractelistici
considerd cd uu sistem ueuto-fuzz)'este defurit
:

specifice
de invdtrare (eulistic). derivat din tehnicile
- este u, sistemfuzzT, a.tre,at printr-un algoritnr
reJeielor treuronale;

fi reptezentat printr'-o arhitecturd de lelea neulonal6 feed-foru'ald;

- poate

-poatefioricAnditrter.ptetatinternrerriir.eguliiorllzzydac[-atttnct;
nrodelului fuzzy pentru a conserva interp.etabilitatea
- procedur.a de anlr.enare ia in calcul semantica
sa lingvisticd;

fur.icfionall'
- poate realiza (cazuli speciale) de aproxinrare

au rost prop,se mai nuhe nrodalitdli de cor,bi,are a ceror dou5 teli'ici.

i, ace st do,eniu
a

in prrnrul riucl. releleJc le uronalc po1 fi ulrliz-ate pertru ge.erarea ;i reglarea funcliilcir.de
a,ar-tene,ti
a sj steruulu i lttz.z1, :

letea tieitlrrlri,tli

Sisteurele reu'o-fuzzy po1 a'ea arrritectur-i

de tip serie sau paralel. in figura
urmatoaLe se prezintd un
slstenl nen,o-fuzz1, in ca'e refeaua.euronarijoaci
rorul de preprocesare.

retea tieurolalii

Utilitatea acestui tip de sistetlr se e'icle,jiaz[

i, situa]iile i, care i,trarea in sistemu I fuzz5,,u poate
legala ciirect la o iegile a unui se11zor.
fi
Apare deci necesi tatea caiersjlg2 senzorului
sd fie ileprocesati
cle re{eaua tleuronalii gi apoi ie$i.ea,e{elei
si constituie i,trarea pentru siste,rul fuzzy.Existi.
de
aserlrellea' 5i sisleme de postprocesare,
atunci cand iegirea sistenrului fuzz5,nu
poate fi conectatf, direcl
cu eclripatnettte extertte' acest caz. i, re\eauaneuronali se co,stituie intr-o
i,terfali carc realizeazd o
11,apal'e care ar fi rnai greu pr.i, tel,rici arraritice.
'ealizabira
i, ligr'rra ltrmdloare este schilat un sisteur
neuro-fuzzy cu o arhitecturd de tip par.alel.
cu scopul ajustdr.ii
regirii:
 retea leurotrilil

1,
\ illo.lfe (rc

c(]llec1i11 e

sisietu tilzzr'

sisternr.riui fuzzy pe baza a ceea

ce a i,v6]at despre preferinlele
I{eleaua,eur.o,arI regreazd iegirea
antertoat'e pe care acesta le-a efectuat'
personale ale utilizatorului din ajust6rile
este cel al
se bucur.[ de apreciere in mai multe domenii. Un exemplu,otabil
Siste,rele neuro-firzz_v
aeronautice qi aerospaliale, in care
pilotul automat tlebuie
controlului automat, i, special aplicaJiile
a raliona in diverse situalii. Alt
exemplu este cel al recunoaqtertr
sf, simuleze capacitatea umani de
fa16 de
qi fuzz),rtcatepentl'u a le scddea sensibi]itatea
trisdlurilor faciare. Tr.[situriie sr,rnt identificate
sunt
pcrsoane. Aceste caracteristic\ fizzyficate
iriere,te care apar crriar i, cazul aceleia;i
'arialiire de lecunoaqtere'
care inrplemcnteazf, procesul propriu-zis
apoi irlroduse intr.-o re{ea neuro,ald