合金復合材料生產自適應神經模糊推理系統(tǒng)

合金復合材料生產人工神經網絡在學習過程中，從外部環(huán)境接收輸入;反應輸出是通過激活函數(shù)產生的。這個輸出將再次與經驗給出的輸出進行比較。通過各種學習算法找出誤差，并試圖接近實際輸出。一般情況下，80%的樣本被給予網絡，并對網絡進行訓練。然后給出剩余的20%，并檢查網絡的行為。因此，合金復合材料生產對網絡進行測試。這是為網絡想要學習的事件尋找已經發(fā)生的例子的步驟。由于采集樣本是為了訓練網絡，所以必須采集樣本來測試網絡。學習網絡事件后，通過展示測試集中的例子來衡量網絡的性能。他的成功與他從未見過的例子相比，揭示了該網絡是否學習得很好。

合金復合材料生產自適應神經模糊推理系統(tǒng)是一種基于模糊推理系統(tǒng)的人工神經網絡。該技術是在20世紀90年代初開發(fā)的。為了提高模糊系統(tǒng)的有效性和適應技術，已經開發(fā)了各種方法。其中一種是ANFIS技術，在這種技術中，識別過程是用一個模糊模型進行的，模糊合金復合材料模型的操作是在自適應網絡結構中進行的。神經自適應學習技術允許開發(fā)一個模型，通過使用模糊建模過程的數(shù)據(jù)集“學習”系統(tǒng)。

合金復合材料用于系統(tǒng)識別的模糊模型由于其自適應的網絡結構，具備了利用系統(tǒng)的環(huán)境信息和與系統(tǒng)相關的輸入輸出數(shù)據(jù)進行自我更新的能力。本質上，ANFIS結構由Sugeno模糊系統(tǒng)表示為具有神經學習能力的網絡結構組成。這個網絡由多個節(jié)點組成，每個節(jié)點按層排列，以執(zhí)行特定的功能。模糊推理系統(tǒng)的隸屬函數(shù)選擇是任意的，它取決于用戶。成員函數(shù)的形式也取決于參數(shù)。然而，很難注意到某種形式的成員函數(shù)是如何基于某些模型中的數(shù)據(jù)的。