Материал: neuro_lab4
Отчет по лабораторной работе № 4
по дисциплине «Нейро-нечеткие технологии в задачах управления»
Тема: «Изучение основ применения нейро-нечетких систем»
Цель работы: изучение основ работы с нейро-нечеткими системами в среде Neural Toolbox ППП Matlab.
Выполнение
1.1 Создание системы нечеткого вывода
В среде Matlab создадим систему нечеткого выводы Сугено, зададим 3 входные переменные в соответствии с размерностью входных данных (рис. 1)
Рис.1 – Задание трех входных переменных
1.2 Создание нейро-нечеткой системы с помощью метода решетки
Загрузим данные для обучения, запустим построение системы: зададим функции принадлежности Гауссова типа для входных переменных, число функций принадлежности по каждой переменной равным 6, выходные функции принадлежности линейного типа (рис. 2).
Рис. 2 – Построение системы
1.3 Анализ функций принадлежности Полученные функции принадлежности входных переменных представлены на рис. 3.
Рис. 3 – Функции принадлежности
2
1.4 Обучение нейро-нечеткой системы
Обучим систему с помощью метода обратного распространения ошибки, задав в качестве критерия останова два критерия: достижение нулевой ошибки или прошествие 300 эпох обучения. График ошибки обучения на 300 эпохах представлен на рис. 4. Из рисунка видно, что после 100 эпох нейро-нечеткая система практически не обучалась. Ошибка обучения составила примерно 0,052.
Рис. 4 – График ошибки обучения
3
1.5 Анализ полученных в результате обучения системы функций принадлежности
Функции принадлежности входных переменных, полученные в результате обучения, представлены на рис. 5. Из сравнения рис. 3 и рис. 5 видно, что функции принадлежности в целом сохранили свой вид, однако параметры функций несколько изменились.
Рис. 5 – Функции принадлежности
4
1.6 Тестирование полученной нейро-нечеткой системы
Результаты тестирования системы представлены на рис. 6. Из рисунка видно, что для большинства значений тестовой выборки предсказанное значение близко к 1. Среднее значение ошибки составляет 0,077.
Рис. 6 - График результатов тестирования
2.1 Создание нейро-нечеткой системы с помощью субтрактивной кластеризации
Для нейро-нечеткой системы с субтрактивной кластеризацией воспользуемся значениями параметров, заданными по умолчанию: диапазон влияния 0,5, фактор подавления 1,25, величина принятия 0,5, величина отклонения 0,15 (рис. 7).
Рис. 7 – Параметры, заданные по умолчанию
5