Технологии интеллектуального анализа данных : учебное пособие

209 Слои нечеткой нейронной сети ANFIS выполняют следующие функции. Слой 1 моделирует функции принадлежности. Выходы ней- ронов этого слоя представляют собой значения функций принад- лежности при конкретных значениях входов. Слой 2 – это слой И-нейронов, которые моделируют логиче- скую связку И в условиях нечетких правил. Выходами нейронов данного слоя являются степени истинности предпосылок каждого правила, которые вычисляются по формуле     1 2 i i i A B w x x     . Слой 3. Нейроны данного слоя вычисляют нормированную силу i -го правила: 1 2 i i w w w    . Слой 4 формирует значение выходной переменной:     1 2 1 1 2 2 , i i i i i y x x y c x c x       . Слой 5. Единственный нейрон данного слоя выполняет де- фаззификацию, формируя выход нейронной сети по формуле 1 1 2 2 y y y     . Нечеткая нейронная сеть ANFIS обучается путем оптимиза- ции параметров ее функций принадлежности и значений 1 2 , y y , ис- пользуя градиентный метод. Существует ряд модификаций архитектуры нечеткой ней- ронной сети ANFIS , эквивалентных модели Сугено и Цукамото, а также обобщенная модель нечеткой нейронной сети ANFIS , полу- чившая название CANFIS , имеющая несколько выходов. NNFLC – нечеткий контроллер на основе нейронной сети (Neural Network Fuzzy Logic Controller). Структура сети NNFLC представлена на рис. 3.29.