شبکه عصبی فازی (Fuzzy Neural Network / Neuro-Fuzzy System)، در ریاضیات (Mathematics)
انواع شبکه های عصبی (Neural Networks) را در آموزش زیر شرح دادیم :
شبکه عصبی فازی (Fuzzy Neural Network / Neuro-Fuzzy System) :
شبکه عصبی فازی (Neuro-Fuzzy System) ترکیبی از شبکه های عصبی و منطق فازی است. هدف بهره گیری از قابلیت یادگیری شبکه های عصبی و تفسیرپذیری سیستم های فازی است. این سیستم ها معمولا به صورت یک شبکه عصبی با ساختاری معادل یک سیستم استنتاج فازی (مانند مدل ممدانی یا سوگنو) پیاده سازی می شوند. وزن های شبکه نشان دهنده پارامترهای مجموعه های فازی (توابع عضویت) و قواعد فازی هستند.
معروف ترین نوع، سیستم استنتاج فازی عصبی-تطبیقی (ANFIS) است که بعدا توضیح داده می شود. در یک سیستم فازی عصبی، لایه های مختلف وظایف فازی سازی (fuzzification)، اعمال قواعد (rule inference)، و ترکیب (aggregation) را انجام می دهند و پارامترها با الگوریتم های یادگیری (مانند پس انتشار یا حداقل مربعات) تنظیم می شوند.
مزایا: قابلیت تفسیر (استخراج قواعد فازی)، توانایی یادگیری از داده، کار در محیط های غیرقطعی. کاربردها: کنترل فازی تطبیقی، سیستم های خبره، پیش بینی در شرایط عدم قطعیت.
شبکه فازی عصبی می تواند به دو دسته تقسیم شود: ۱) همکاری (cooperative): شبکه عصبی به تنظیم پارامترهای سیستم فازی کمک می کند. ۲) ترکیبی (hybrid): ساختار شبکه معادل سیستم فازی است (مانند ANFIS).
این سیستم ها در دهه ۱۹۹۰ بسیار محبوب بودند و هنوز هم در کاربردهای کنترل و مهندسی استفاده می شوند.
