J-S.R.Jang提出的自適應神經模糊推理系統是一種將模糊邏輯和神經元網路有機結合的新型的模糊推理系統結構，採用反向傳播算法和最小二乘法的混合算法調整前提參數和結論參數，並能自動產生If-Then規則。基於自適應神經網路的模糊推理系統ANFIS(Adaptive Network-based Fuzzy Inference System)將神經網路與模糊推理有機的結合起來，既發揮了二者的優點，又彌補了各自的不足。
基本介紹
- 中文名：自適應神經模糊系統
- 外文名：Adaptive Network-based Fuzzy Inference System
- 簡稱：ANFIS
- 學科：控制科學與工程
- 提出者：J-S.R.Jang
- 套用：消除噪聲或干擾
基本概念,ANFIS的結構,ANFIS的學習算法,套用及發展,
基本概念
模糊邏輯和神經網路近年來發展較快，模糊推理系統非常適於表示模糊的經驗和知識，但缺乏有效的學習機制；神經網路雖然具有自學習功能，卻又不能很好的表達人腦的推理功能。基於自適應神經網路的模糊推理系統ANFIS(Adaptive Network-based Fuzzy Inference System)將二者有機的結合起來，既發揮了二者的優點，又彌補了各自的不足。自適應神經網路模糊系統其中一個十分重要的套用，就是在信號處理和控制中消除噪聲或干擾。
J-S.R.Jang提出的自適應神經模糊推理系統是一種將模糊邏輯和神經元網路有機結合的新型的模糊推理系統結構，採用反向傳播算法和最小二乘法的混合算法調整前提參數和結論參數，並能自動產生If-Then規則。
ANFIS的結構
ANFIS是一種基於Takagi-Sugeno模型的模糊推理系統，它將模糊控制的模糊化、模糊推理和反模糊化3個基本過程全部用神經網路來實現，利用神經網路的學習機制自動地從輸入輸出樣本數據中抽取規則，構成自適應神經模糊控制器，通過離線訓練和線上學習算法進行模糊推理控制規則的自調整，使其系統本身朝著自適應、自組織、自學習的方向發展。
為簡單起見，假定所考慮的模糊推理系統有2個輸入x和y，單個輸出z。對於一階Takagi-Sugeno模糊模型，如果具有以下2條模糊規則：
一階T-S模糊推理系統的ANFIS網路結構如圖1。
圖1
ANFIS控制器由於採用了Sugeno型模糊規則和加權求和法計算總輸出，省去了常規模糊系統用重心法進行清晰化的大量計算工作，使得數據處理最大限度地簡化。
各個節點的重要功能如下：
第1層：將輸入變數模糊化，輸出對應模糊集的隸屬度所以可以稱為模糊化層。該層的每個結點i是一個有結點函式的自適應結點。
第2層：實現前提部分的模糊集的運算。在這一層中的每個結點都是固定結點，它的輸出是所有輸入信號的代數積。每個結點的輸出表示一條規則的激勵強度，本層的結點函式還可以採用取小、有界積或強積的形式。
第3層：將各條規則的激勵強度歸一化，該層中的結點也是固定結點。
第4層：這一層的每個結點i是一個有結點函式的自適應結點，計算出每條規則的輸出。
第5層(輸出層)：這一層的單結點是一個標以
的固定結點，它計算所有傳來信號之和作為總輸出。
ANFIS的學習算法
神經模糊控制器的主要作用是套用神經網路自學習能力，尋求和調整神經模糊控制系統的參數和結構。模糊控制器需要兩種類型的調整：結構調整和參數調整。結構調整包括變數數目、輸入輸出變數論域的劃分、規則的數目等。一旦獲得了滿意的結構後，就需要對參數進行調整。參數調整包括與隸屬函式有關的參數，如中心、寬度、斜率等。ANFIS的學習算法實際上只是對控制器的參數進行學習，因為網路結構已經確定，只需調整前提參數和結論參數即可。
有四種法用來更新參數，按照複雜的程度表述如下：
(1) Gradient Descent Only：所有參數都用梯度下降法進行更新。
(2) radient Descent and Once Pass of LSE(Least Squares Estimate)：最小二乘法僅用一次，即只在最開始時用以得到初始的結論參數，然後就只用梯度下降法來更新所有的參數。
(3) Gradient Descent and LSE：梯度下降法和最小二乘法。
(4) Sequential (Apporoximate) LSE Only：即僅用遞推(近似)最小二乘法。
選擇那種方法，應綜合考慮計算的複雜度和所要達到的性能。
套用及發展
非線性系統建模問題是目前學術界研究的熱點問題。常用的傳統非線性系統描述方法有微分（或差分）法、泛函級數法、NARMAX模型法及分塊系統法等。但是對於一個非線性、多變數的複雜系統，用常規的數學方法建模既費時又費力，而且在各種假設下建模，其適應性也不好。而J-S.R.Jang提出的自適應神經模糊推理系統是一種將模糊邏輯和神經元網路有機結合的新型的模糊推理系統結構，採用反向傳播算法和最小二乘法的混合算法調整前提參數和結論參數，並能自動產生If-Then規則。
自適應神經網路模糊系統是一種採用Takagi-Sugeon模型的模糊推理系統。它為模糊建模的過程提供一種能夠從數據集中提取相應信息（模糊規則）的學習方法，通過學習能有效的計算出隸屬度函式的最佳參數，使得設計出來的Sugeon型模糊推理系統能最佳的模擬出所希望的輸入輸出關係，所以ANFIS是一種基於已有數據的建模方法。ANFIS具有以下特點：
(1)隨著模糊邏輯和神經網路的發展，這兩種理論結合的產物一自適應神經網路模糊推理系統由於同時具有模糊邏輯易於表達和神經網路自學習能力的優點，成為近年來計算智慧型學科的一個重要研究方向。
(2) Sugeon型模糊推理具有計算簡單、利於數學分析的特點，且易於和自適應方法結合，從而為複雜系統的建模和控制提供了有效的工具。尤其是在信號處理中消除噪聲干擾、提高測量精度等方面具有十分重要的套用。
