自适应神经模糊推理系统

自适应神经模糊推理系统或基于自适应网络的模糊推理系统（ANFIS）是一种基于高木-杉野模糊推理系统的人工神经网络。由于它整合了神经网络和模糊逻辑原理，因此它有可能在一个框架内获得两者的好处。它的推理系统对应于一组模糊的IF-THEN规则，具有学习能力，可以近似非线性函数。因此，ANFIS被认为是一个通用的估计器。为了以更有效和最优化的方式使用ANFIS，人们可以使用通过遗传算法获得的最佳参数。它在智能情景感知能源管理系统中具有用途。

在网络结构中可以识别两个部分，即前提和结果部分。更详细地说，该架构由五层组成。xxx层接受输入值并确定属于它们的成员函数。它通常被称为模糊化层。每个函数的成员度是通过使用前提参数集，即{a,b,c}来计算的。第二层负责生成规则的触发强度。由于其任务，第二层被称为规则层。第三层的作用是将计算出的发射强度归一化，即用每个值除以总发射强度。第四层将归一化的值和后果参数集{p,q,r}作为输入。该层返回的值是去模糊化的值，这些值被传递给最后一层，以返回最终输出。

ANFIS网络的xxx层描述了与普通神经网络的区别。一般来说，神经网络的运行都有一个数据预处理步骤，在这个步骤中，特征被转换为0和1之间的归一化数值。一个ANFIS神经网络不需要一个sigmoid函数，但它通过将数值转换为模糊值来进行预处理。下面是一个例子。假设，网络得到的输入是2D空间中两点之间的距离。这个距离是以像素为单位的，它的值从0到500像素。将数值转换为模糊数字是通过成员函数完成的，成员函数由近、中、远等语义描述组成。每个可能的语言值都由一个单独的神经元给出。如果距离位于"近"的范畴内，神经元"近"就会以0到1的数值发射。而"中间"神经元则在距离位于该类别的情况下触发。