Настройте нечеткую систему вывода или дерево нечетких систем вывода
fisout = tunefis(fisin,paramset,in,out)fisout = tunefis(fisin,paramset,in,out,options)fisout = tunefis(fisin,paramset,custcostfcn,options)[fisout,optoutputs] = tunefis(___)fisout = tunefis(fisin,paramset,custcostfcn,options)custcostfcn, указателя на функцию к пользовательской функции стоимости.
[ настраивает нечеткую систему и возвращает дополнительный вывод fisout,optoutputs] = tunefis(___)optoutputs с информацией о настраивающемся алгоритме.
Создайте начальную нечеткую систему вывода с помощью genfis.
x = (0:0.1:10)';
y = sin(2*x)./exp(x/5);
options = genfisOptions('GridPartition');
options.NumMembershipFunctions = 5;
fisin = genfis(x,y,options);Получите настраиваемые настройки входных параметров, выходные параметры и правила нечеткой системы вывода.
[in,out,rule] = getTunableSettings(fisin);
Настройте параметры функции принадлежности с "anfis".
fisout = tunefis(fisin,[in;out],x,y,tunefisOptions("Method","anfis"));
ANFIS info: Number of nodes: 24 Number of linear parameters: 10 Number of nonlinear parameters: 15 Total number of parameters: 25 Number of training data pairs: 101 Number of checking data pairs: 0 Number of fuzzy rules: 5 Start training ANFIS ... 1 0.0694086 2 0.0680259 3 0.066663 4 0.0653198 5 0.0639961 Step size increases to 0.011000 after epoch 5. 6 0.0626917 7 0.0612787 8 0.0598881 9 0.0585193 Step size increases to 0.012100 after epoch 9. 10 0.0571712 Designated epoch number reached --> ANFIS training completed at epoch 10. Minimal training RMSE = 0.057171
Создайте начальную нечеткую систему вывода с помощью genfis.
x = (0:0.1:10)';
y = sin(2*x)./exp(x/5);
options = genfisOptions('GridPartition');
options.NumMembershipFunctions = 5;
fisin = genfis(x,y,options); Получите настраиваемые настройки входных параметров, выходные параметры и правила нечеткой системы вывода.
[in,out,rule] = getTunableSettings(fisin);
Настройте параметр правила только. В этом примере используется метод поиска шаблона.
fisout = tunefis(fisin,rule,x,y,tunefisOptions("Method","patternsearch"));
Iter Func-count f(x) MeshSize Method
0 1 0.346649 1
1 19 0.346649 0.5 Refine Mesh
2 37 0.346649 0.25 Refine Mesh
3 55 0.346649 0.125 Refine Mesh
4 73 0.346649 0.0625 Refine Mesh
5 91 0.346649 0.03125 Refine Mesh
6 109 0.346649 0.01562 Refine Mesh
7 127 0.346649 0.007812 Refine Mesh
8 145 0.346649 0.003906 Refine Mesh
9 163 0.346649 0.001953 Refine Mesh
10 181 0.346649 0.0009766 Refine Mesh
11 199 0.346649 0.0004883 Refine Mesh
12 217 0.346649 0.0002441 Refine Mesh
13 235 0.346649 0.0001221 Refine Mesh
14 253 0.346649 6.104e-05 Refine Mesh
15 271 0.346649 3.052e-05 Refine Mesh
16 289 0.346649 1.526e-05 Refine Mesh
17 307 0.346649 7.629e-06 Refine Mesh
18 325 0.346649 3.815e-06 Refine Mesh
19 343 0.346649 1.907e-06 Refine Mesh
20 361 0.346649 9.537e-07 Refine Mesh
Optimization terminated: mesh size less than options.MeshTolerance.
Создайте начальную нечеткую систему вывода с помощью genfis.
x = (0:0.1:10)';
y = sin(2*x)./exp(x/5);
options = genfisOptions('GridPartition');
options.NumMembershipFunctions = 5;
fisin = genfis(x,y,options);Получите настраиваемые настройки входных параметров, выходные параметры и правила нечеткой системы вывода.
[in,out,rule] = getTunableSettings(fisin);
Можно настроиться с пользовательскими установками параметров с помощью setTunable или записи через точку.
Не настраивайте вход 1.
in(1) = setTunable(in(1),false);
Для вывода 1:
не настраивайте функции принадлежности 1 и 2,
не настраивайте функцию принадлежности 3,
установите минимальную область значений параметра функции принадлежности 4 к-2,
и набор максимальная область значений параметра от функции принадлежности 5 до 2.
out(1).MembershipFunctions(1:2) = setTunable(out(1).MembershipFunctions(1:2),false); out(1).MembershipFunctions(3).Parameters.Free = false; out(1).MembershipFunctions(4).Parameters.Minimum = -2; out(1).MembershipFunctions(5).Parameters.Maximum = 2;
Для настроек правила,
не настраивайте правила 1 и 2,
установите антецедент правила 3 к ненастраиваемому,
позвольте НЕ логику в антецеденте правила 4,
и не игнорируйте выходные параметры в правиле 3.
rule(1:2) = setTunable(rule(1:2),false); rule(3).Antecedent.Free = false; rule(4).Antecedent.AllowNot = true; rule(3).Consequent.AllowEmpty = false;
Определите максимальный номер итераций к 20 и настройте нечеткую систему вывода.
opt = tunefisOptions("Method","particleswarm"); opt.MethodOptions.MaxIterations = 20; fisout = tunefis(fisin,[in;out;rule],x,y,opt);
Best Mean Stall
Iteration f-count f(x) f(x) Iterations
0 90 0.3265 1.857 0
1 180 0.3265 4.172 0
2 270 0.3265 3.065 1
3 360 0.3265 3.839 2
4 450 0.3265 3.386 3
5 540 0.3265 3.249 4
6 630 0.3265 3.311 5
7 720 0.3265 2.901 6
8 810 0.3265 2.868 7
9 900 0.3181 2.71 0
10 990 0.3181 2.068 1
11 1080 0.3181 2.692 2
12 1170 0.3165 2.146 0
13 1260 0.3165 1.869 1
14 1350 0.3165 2.364 2
15 1440 0.3165 2.07 0
16 1530 0.3164 1.678 0
17 1620 0.2978 1.592 0
18 1710 0.2977 1.847 0
19 1800 0.2954 1.666 0
20 1890 0.2947 1.608 0
Optimization ended: number of iterations exceeded OPTIONS.MaxIterations.
fisin — Нечеткая системаmamfis | объект sugfis | объект fistreeparamset — Настройки настраиваемого параметраНастройки настраиваемого параметра, заданные как массив входа, вывода и установок параметров правила входа нечеткая система fisin. Чтобы получить эти установки параметров, используйте getTunableSettings с входом нечеткая система fisin. paramset может быть входным параметром, выходным параметром, параметром правила или некоторой комбинацией этих параметров как массив. Содержимое массива зависит, на которых параметрах требуется настроиться.
\in Введите данные тренировкиВведите данные тренировки, заданные как матрица m на n, где m является общим количеством входных наборов данных, и n является количеством входных параметров. Количество наборов данных ввода и вывода должно быть тем же самым.
out — Выведите данные тренировкиВыведите данные тренировки, заданные как матрица m на n, где m является общим количеством выходных наборов данных, и n является количеством выходных параметров. Количество наборов данных ввода и вывода должно быть тем же самым.
опции FIS настраивающиеся опцииtunefisOptions установленаFIS настраивающиеся опции, заданные как объект tunefisOptions. Можно задать настраивающийся метод алгоритма и другие опции для настраивающего процесса.
custcostfcn — пользовательские функции стоимостиПользовательская функция стоимости, заданная как указатель на функцию. Пользовательская функция стоимости оценивает fisout, чтобы вычислить его стоимость относительно критерия оценки, такого как данные о вводе/выводе. custcostfcn должен принять по крайней мере один входной параметр для fisout и возвращает величину затрат. Можно обеспечить указатель анонимной функции, чтобы присоединить дополнительные данные для расчета стоимости, как описано в этом примере:
function fitness = custcost(cost,trainingData) ... end custcostfcn = @(fis)custcost(fis,trainingData);
fisout — Нечеткая системаmamfis | объект sugfis | объект fistreeoptoutputs — Настройка сводных данных алгоритмаНастройка сводных данных алгоритма, заданных как структура, содержащая следующие поля:
tuningOutputs
errorMessage
tuningOutputs является структурой с информацией о настраивающемся методе алгоритма, заданном tunefisOptions во входном параметре options. Определенные выходные параметры отличаются для каждого настраивающего алгоритма. Смотрите, что определенное настраивает метод для получения дополнительной информации о его выходных параметрах:
'ga' — генетический алгоритм
'particleswarm' — рой частицы
'patternsearch' — поиск шаблона
'simulannealbnd' — моделируемый алгоритм отжига
'anfis' — адаптивный нейронечеткий
errorMessage является сообщением, сгенерированным при обновлении fisin с новыми значениями параметров.
fistree | getTunableSettings | mamfis | sugfis | tunefisOptions
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.