深度学习～模糊神经网络(FNN)
模糊神经网络(Fuzzy Neural Network, FNN)
背景
系统复杂度的增加，人工智能深度化发展
- 模糊数学创始人L. A. Zadeh, 1921. 当系统的复杂性增加时，我们使它精确化的能力将减小。直到达到一个阈值，一旦超过它，复杂性和精确性将互相排斥。
- 模糊集理论：集合讨论一个对象具有某种性质时记作A，不具有这种性质时记作非A，且两者必居其一，决不允许模棱两可，而没有考虑这种性质的程度上的差异。
神经网络
分布式➡️容错、学习，无法利用系统信息、专家知识
- 只能描述大量数据之间的复杂函数关系
- 将知识存在权系数中，具有分布存储的特点
- 涉及的神经元很多(并行工作)，计算量大
- 权系数可由输入输出样本中学习，无需人来设置
- 黑箱模型，参数不直观，物理意义不明确。
模糊系统
系统性、专家知识➡️推理，建库困难、自适应困难
- 表达人的经验性知识，便于理解
- 将知识存在规则中
模糊神经网络
神经网络与模糊系统的结合，在处理大规模的模糊应用问题方面将表现出优良效果。
模糊神经网络本质是将模糊输入信号和模糊权值输入常规的神经网络。其结构上像神经网络，功能上是模糊系统。
学习算法是模糊神经网络优化权系数的关键。
总结：模糊神经网络虽然也是局部逼近网络，但是它是按照模糊系统模型建立的，网络中的各个结点及所有参数均有明显的物理意义，因此这些参数的初值可以根据系统或定性的知识来加以确定，然后利用上述的学习算法可以很快收敛到要求的输入输出关系，这是模糊神经网络比前面单纯的神经网络的优点所在。同时由于它具有神经网络的结构，因而参数的学习和调整比较容易，这是它比单纯的模糊逻辑系统的优点所在。
References:
模糊神经网络背景、理论、应用综述https://wenku.baidu.com/view/22590c72cc17552706220818.html
浅析模糊神经网络https://wenku.baidu.com/view/94f77a7384868762cbaed58f.html
深度学习～模糊神经网络(FNN)相关推荐
- 深度学习（1）基础1 -- 深度学习与神经网络基础
目录 一.深度学习与神经网络 1.深度学习定义 2.神经网络 3.深度学习过程 4.深度学习功能 二.深度学习应用 三.分类数据集推荐 一.深度学习与神经网络 1.深度学习定义 深度学习(deep l ...
- 从神经元到神经网络、从神经网络到深度学习：神经网络、深度学习、神经元、神经元模型、感知机、感知机困境、深度网络
从神经元到神经网络.从神经网络到深度学习:神经网络.深度学习.神经元.神经元模型.感知机.感知机困境.深度网络 目录 从神经元到神经网络.从神经网络到深度学习 神经网络:
- 针对深度学习（神经网络）的AI框架调研
针对深度学习(神经网络)的AI框架调研 在我们的AI安全引擎中未来会使用深度学习(神经网络),后续将引入AI芯片,因此重点看了下业界AI芯片厂商和对应芯片的AI框架,包括Intel(MKL CPU). ...
- DL：听着歌曲《成都》三分钟看遍主流的深度学习的神经网络的发展框架(1950~2018)
DL:听着歌曲<成都>三分钟看遍主流的深度学习的神经网络的发展框架(1950~2018) 视频链接:听着歌曲<成都>三分钟看遍主流的深度神经网络的发展框架(1950~2018) ...
- 深度学习（神经网络） —— BP神经网络原理推导及python实现
深度学习(神经网络) -- BP神经网络原理推导及python实现 摘要 (一)BP神经网络简介 1.神经网络权值调整的一般形式为: 2.BP神经网络中关于学习信号的求取方法: (二)BP神经网络原理 ...
- 深度学习（神经网络）[1]——单层感知器
深度学习(神经网络)[1] -- 单层感知器 算法描述 python实现 示例运行结果 可视化 算法描述 最原始的神经网络模型,类似于神经网络中的单个神经元,该算法局限性也很大,只适用于解决线性可分的 ...
- 人工智能、机器学习、深度学习和神经网络的区别
人工智能 背景:人工智能最初可以追溯至1956年,当时多名计算机科学家在达特茅斯会议上共同提出了人工智能的概念.在随后几十年中,人工智能一方面被认为是人类文明未来的发展方向,另一方面也被认为是难以企及 ...
- python神经网络教程16_Python深度学习之神经网络视频
Python深度学习之神经网络视频 课程简介 该阶段是深度学习的入门课程,主要介绍经典的深度学习框架TensorFlow的使用,IO操作,以及神经网络基础.卷积神经网络的相关知识,并用卷积神经网络原理 ...
- 01.神经网络和深度学习 W2.神经网络基础
文章目录 1. 二分类 2. 逻辑回归 3. 逻辑回归损失函数 4. 梯度下降 5. 导数 6. 计算图导数计算 7. 逻辑回归中的梯度下降 8. m个样本的梯度下降 9. 向量化 10. 向量化的更 ...
- 一文掌握深度学习、神经网络和学习过程的历史
来源:算法与数学之美 本质上,深度学习是一个新兴的时髦名称,衍生于一个已经存在了相当长一段时间的主题--神经网络. 从20世纪40年代开始,深度学习发展迅速,直到现在.该领域取得了巨大的成功,深度学习 ...
最新文章
- Java 泛型总结（三）：通配符的使用
- ASCII+Unicode+UTF8(字符编码方式-字节) Base64(字节编码方式-64字符)
- python列表添加元素到中间_python在列表的元素中间插入空行
- 读《大道至简—是懒人造就了方法 》有感
- 几种常用的排序方法7--希尔排序
- python初始化函数_当你学会了Python爬虫，网上的图片素材就开始免费了
- 震惊！谷歌专家爆料：Python和AI这回真的玩大了！网友：好方法！
- [转载] 聚类算法总结
- iOS开发之项目经验总结
- C语言基础专题 - 预处理
- js作为参数,并且返回值;js的回调模式 callback
- java修改cookie的值_Java管理Cookie增删改查操作。
- sir模型matlab案例_直播案例 | 人群接触网络中的 SIR 疫情模拟
- 点云配准ICPNDT
- 用python下载ts视频
- AirDisk-Q3C/T2/Q3S/Q3X加密空间PIN码忘记怎么找回？
- matlab中rand函数
- Verilog HDL题库练习--题目来源HDLBits
- lpc1768的gpio库函数_LPC1768之GPIO输入和输出配置基础例程
- 《液晶显示器和液晶电视维修核心教程》——第2章 电子元器件的基础知识2.1 电阻类...