如何学习模糊神经网络？学习步骤说明

有关模糊神经网络的学习步骤，模糊神经网络具有很多种结构和算法，不同控制对象，模糊神经网络结构也有所不同，选择在线学习，在线学习期间学习速度不变。

模糊神经网络的学习步骤

模糊神经网络具有很多种结构和算法，对于不同控制对象，综合考虑运算速度和精度，模糊神经网络结构也有所不同。

由于该实现方法没有实际控制对象，为了说明在PLC上能实现模糊神经网络算法，故选择模糊神经网络，如图1。

假设其中输入两个变量X1、X2，输出变量为Y。将每个输入因子分为：NM，NS，ZO，PS，PM等5个模糊状态。

模糊神经网络的学习步骤

选择在线学习，在线学习期间学习速度不变。在线学习终止条件是性能指标E小于等于某一数值。

这个指标值随控制对象的改变而改变的。当确定控制对象时，该指标值可根据经验确定。

这里设置该指标值为0.002。

学习步骤：

①θji、σji、ωi及η的初始值在[0，1]之间随机选取，η的值为恒定值，根据经验决定。

②根据模糊神经算法计算出比较理想的θji(k+1)、σji(k+1)、ωi(k+1)值。

③根据模糊神经算法计算E，若E≤0．002，迭代结束。否则，令θji(k+1)、σji(k+1)、ωi(k+1)为初始值并返回②。