룰기반 퍼지뉴럴넷

소개글

룰기반 퍼지뉴럴넷에 대한 보고서 자료입니다.

목차

1. Fuzzy Neural Networks의 정의

2. Fuzzy Neural Networks의 구조

3. Multi-Fuzzy Neural Networks의 구조

4. Fuzzy Neural Networks 모델링 방법

5. FNN의 Performance 판단함수

본문내용

1. Fuzzy Neural Networks의 정의
Neural Networks의 특성
- 지식표현 : 구조화된 지식을 직접 표현하거나 추출할 수 없음
- 근사기능 : Adaptability을 통한 근사기능을 구현
- 학습기능 : Membership Function의 Weight조정을 통한 학습기능을 구현
- 모델구성 : Training에 소요되는 자원이 많음, 학습 알고리즘이 전체 모델성능을 결정
Fuzzy System의 특성
- 지식표현 : 구조화된 지식을 쉽게 표현할 수 있고 처리가 가능함
- 학습기능 : 없음
- 모델구성 : Tuning에 소요되는 자원이 많음
Neural Networks과 Fuzzy System의 유사성
- 뉴런의 전달 함수로 사용되는 시그모이드(sigmoid) 등의 함수는 소속함수와 비슷
- 퍼지의 조건부에 의한 입력 공간의 분할은 신경망의 분류 기능에 의한 분할과 비슷.
Fuzzy Neural Networks
- Fuzzy Theory + Neural Network  Fuzzy Neural Network

키워드

퍼지이론,   룰기반퍼지,   퍼지진화