books hybrid fuzzy neural network systems
If you do not find what you're looking for, you can use more accurate words.
أنظمة الشبكات العصبية الضبابية الهجينة (Info)
يمكن فهم الأنظمة العصبية الضبابية الهجينة كنظام شبكات عصبية صناعية وكنظام منطق ضبابي في نفس الوقت. لهذا النوع من الأنظمة ميزة كبيرة وهي إمكانية إضفاء معنى أو سياق على معاملات الشبكة العصبية أي سيمانتيك semantic على الشبكة وبالتالي إمكانية استعمال معلومات عن النظام عند النمذجة.
عادة ما يتم في هذه المقاربة استعمال الشبكات العصبية ذات الدالة المحدودة Radial basis function network والتي تكون دالة تحوليها عبارة على هضبة غاوس أي:
استعمال هذا النوع من النورونات في الطبقة الوسيطة أو المخفية hidden layer للشبكة يمكننا من تحقيق أول خطوة في نظام المنطق الضبابي الذي هو عبارة على جملة من القواعد أو مجموعة من الشروط ونتائج الشروط. الطبقة المخفية يمكن فهمها على أنها حساب قيمة الشروط Premise حسب طريقة لارسن للربط بين المقولات المنطقية أو بما يسمى معيار لارسن Larsen t-norm. حيث يتم ضرب دالة الانتماء Membership function ببعضها لكل من المقولات المنطقية الأولية ليتم معرفة دالة انتماء المقولة المركبة A and B مثلا.
الخطوة التالية في عمل أنظمة المنطق الضبابي بعد حساب قيمة تحقق الشروط الأولية والشروط المركبة هو حساب قيمة الاستنتاجات conclusion باستعمال معيار لارسن أيضا. هذا الاستنتاج في أنظمة المنطق الضبابي يتم ترجمته بعملية ضرب مخارج الطبقة الوسطى بالأوزان weights حيث يمكن اعتبار قيمة الوزن كقيمة النتيجة هذه العملية تسمى الاستنتاج ويليها خطوة التجميع حيث يتم تجميع قيمة الاستنتاجات بالنسبة لمختلف القواعد الموجودة ويمكن تسمية هذه الخطوة خطوة التجميع وهي خطوة تحصل على مستوى طبقة الإخراج بالنسبة للشبكة العصبية. في المرحلة الأخيرة يتم الانتقال من دالة انتماء إلى عدد صحيح وهذه المرحلة تسمى رفع لضبابية أو defuzzyfication. الصورة في الأسفل تلخص هذه العملية:
بعد تصميم النظام العصبي الضبابي بالطريقة المبينة أعلاه يتم تدريب الشبكة على تعلم معاملتها التي هي عرض ووسط دالة الانتماء بالإضافة إلى الوزن W ويمكن من أجل ذلك استعمال خوارزمية التعلم المسمات بالتغذية الخلفية Backpropagation
