anfis
Настройте Sugeno-тип нечеткая система вывода с помощью обучающих данных
Синтаксис
Описание
fis = anfis(trainingData)
Алгоритм настройки использует комбинацию наименьших квадратов и методов градиентного спуска обратной связи, чтобы смоделировать обучающий набор данных.
fis = anfis(trainingData,options)
Начальный объект FIS настроиться.
Данные о валидации для предотвращения сверхподбора кривой к обучающим данным.
Опции алгоритма настройки.
Отобразить ли информацию о процессе обучения.
[ возвращает среднеквадратичную ошибку обучения в течение каждой учебной эпохи.fis,trainError]
= anfis(___)
[ возвращает учебный размер шага в каждую учебную эпоху.fis,trainError,stepSize]
= anfis(___)
[ возвращает ошибку данных о валидации в течение каждой учебной эпохи, fis,trainError,stepSize,chkFIS,chkError]
= anfis(trainingData,options)chkError, и настроенный объект FIS, для которого ошибка валидации минимальна, chkFIS. Чтобы использовать этот синтаксис, необходимо задать данные о валидации с помощью options.ValidationData.
Примеры
Обучите нечеткую систему вывода Используя ANFIS
Загрузите обучающие данные. Эти данные имеют один вход и один выход.
load fuzex1trnData.datСгенерируйте и обучите нечеткую систему вывода. По умолчанию структура FIS создается с помощью раздела сетки области значений входной переменной с двумя функциями принадлежности.
fis = anfis(fuzex1trnData);
ANFIS info: Number of nodes: 12 Number of linear parameters: 4 Number of nonlinear parameters: 6 Total number of parameters: 10 Number of training data pairs: 25 Number of checking data pairs: 0 Number of fuzzy rules: 2 Start training ANFIS ... 1 0.229709 2 0.22896 3 0.228265 4 0.227624 Step size increases to 0.011000 after epoch 5. 5 0.227036 6 0.2265 7 0.225968 8 0.225488 Step size increases to 0.012100 after epoch 9. 9 0.225052 10 0.22465 Designated epoch number reached. ANFIS training completed at epoch 10. Minimal training RMSE = 0.22465
Постройте ANFIS выходные и обучающие данные.
x = fuzex1trnData(:,1); anfisOutput = evalfis(fis,x); plot(x,fuzex1trnData(:,2),'*r',x,anfisOutput,'.b') legend('Training Data','ANFIS Output','Location','NorthWest')
Данные ANFIS не совпадают с обучающими данными хорошо. Улучшить соответствие:
Увеличьте число функций принадлежности в структуре FIS к
4. Выполнение так добавляет нечеткие правила и настраиваемые параметры к системе.Увеличьте количество циклов обучения.
opt = anfisOptions('InitialFIS',4,'EpochNumber',40);
Подавите ошибку и отображение Командного окна размера шага.
opt.DisplayErrorValues = 0; opt.DisplayStepSize = 0;
Обучите FIS.
fis = anfis(fuzex1trnData,opt);
ANFIS info: Number of nodes: 20 Number of linear parameters: 8 Number of nonlinear parameters: 12 Total number of parameters: 20 Number of training data pairs: 25 Number of checking data pairs: 0 Number of fuzzy rules: 4 Minimal training RMSE = 0.0833853
Постройте ANFIS выходные и обучающие данные.
figure anfisOutput = evalfis(fis,x); plot(x,fuzex1trnData(:,2),'*r',x,anfisOutput,'.b') legend('Training Data','ANFIS Output','Location','NorthWest')
Соответствие между обучающими данными и ANFIS выход улучшилось.
Создайте начальный FIS для обучения ANFIS
Создайте одно вход, обучающие данные одно выхода.
x = (0:0.1:10)'; y = sin(2*x)./exp(x/5);
Задайте начальную структуру FIS с пятью функциями принадлежности входа Gaussian.
genOpt = genfisOptions('GridPartition'); genOpt.NumMembershipFunctions = 5; genOpt.InputMembershipFunctionType = 'gaussmf'; inFIS = genfis(x,y,genOpt);
Сконфигурируйте опции обучения ANFIS. Установите начальный FIS и подавите отображение процесса обучения.
opt = anfisOptions('InitialFIS',inFIS);
opt.DisplayANFISInformation = 0;
opt.DisplayErrorValues = 0;
opt.DisplayStepSize = 0;
opt.DisplayFinalResults = 0;Обучите FIS использование заданных опций.
outFIS = anfis([x y],opt);
Сравните ANFIS выход с обучающими данными.
plot(x,y,x,evalfis(outFIS,x)) legend('Training Data','ANFIS Output')
Получите учебную ошибку ANFIS
Загрузите обучающие данные. Эти данные имеют один вход и один выход.
load fuzex2trnData.datЗадайте опции обучения.
opt = anfisOptions('InitialFIS',4,'EpochNumber',40); opt.DisplayANFISInformation = 0; opt.DisplayErrorValues = 0; opt.DisplayStepSize = 0; opt.DisplayFinalResults = 0;
Обучите FIS и возвратите учебную ошибку.
[fis,trainError] = anfis(fuzex2trnData,opt);
trainError содержит среднеквадратическую ошибку для обучающих данных в каждую учебную эпоху. Учебная ошибка для fis минимальное значение в trainError.
fisRMSE = min(trainError)
fisRMSE = 0.2572
Получите профиль размера шага ANFIS
Создайте одно вход, обучающие данные одно выхода.
x = (0:0.1:10)'; y = sin(2*x)./exp(x/5);
Сконфигурируйте опции обучения ANFIS. Установите начальный FIS и подавите отображение процесса обучения.
opt = anfisOptions('InitialFIS',4,'EpochNumber',60); opt.DisplayANFISInformation = 0; opt.DisplayErrorValues = 0; opt.DisplayStepSize = 0; opt.DisplayFinalResults = 0;
Больший уровень увеличения размера шага может заставить обучение сходиться быстрее. Однако увеличение уровня увеличения размера шага слишком много может привести к плохой сходимости. В данном примере попытайтесь удвоить уровень увеличения размера шага.
opt.StepSizeIncreaseRate = 2*opt.StepSizeIncreaseRate;
Обучите FIS и возвратите массив размера шага.
[fis,~,stepSize] = anfis([x y],opt);
Постройте профиль размера шага. Оптимальный профиль размера шага должен увеличиться первоначально, достигнуть максимума, и затем уменьшиться для остальной части обучения.
figure plot(stepSize)
Подтвердите обучение ANFIS
Загрузите обучающие данные.
load fuzex1trnData.datЗагрузите данные о валидации.
load fuzex1chkData.datЗадайте следующие опции обучения:
4
введите функции принадлежности30
учебные эпохиПодавите отображение процесса обучения
opt = anfisOptions('InitialFIS',4,'EpochNumber',30); opt.DisplayANFISInformation = 0; opt.DisplayErrorValues = 0; opt.DisplayStepSize = 0; opt.DisplayFinalResults = 0;
Добавьте данные о валидации в опции обучения.
opt.ValidationData = fuzex1chkData;
Обучите FIS и возвратите результаты валидации.
[fis,trainError,stepSize,chkFIS,chkError] = anfis(fuzex1trnData,opt);
Учебная ошибка, trainError, и ошибка валидации, chkError, массивы каждый содержит одно ошибочное значение в учебную эпоху. Постройте учебную ошибку и ошибку валидации.
x = [1:30]; plot(x,trainError,'.b',x,chkError,'*r')
Минимальная ошибка валидации происходит в эпоху 17. Увеличение ошибки валидации после этой точки указывает на сверхподбор кривой параметров модели к обучающим данным. Поэтому настроенный FIS в эпоху 17, chkFIS, показывает лучшую эффективность обобщения.
Входные параметры
Выходные аргументы
Альтернативная функциональность
tunefis Функция
Начиная в R2019a, можно настроить нечеткое системное использование tunefis. Эта функция предоставляет несколько других возможностей для настройки алгоритмов, заданных tunefisOptions объект.
Чтобы использовать ANFIS, задайте настраивающийся алгоритм как "anfis" \in tunefisOptions. Затем используйте объект опций в качестве входного параметра для tunefis. Например:
Создайте начальную нечеткую систему вывода и задайте настройки настраиваемого параметра.
x = (0:0.1:10)';
y = sin(2*x)./exp(x/5);
options = genfisOptions('GridPartition');
options.NumMembershipFunctions = 5;
fisin = genfis(x,y,options);
[in,out,rule] = getTunableSettings(fisin);Настройте параметры функции принадлежности с "anfis".
opt = tunefisOptions("Method","anfis"); fisout = tunefis(fisin,[in;out],x,y,opt);
Вопросы совместимости
Ссылки
[1] Jang, J.-S. R. "Нечеткое Моделирование Используя Обобщенные Нейронные сети и Алгоритм Фильтра Калмана", Proc. Девятой Национальной Конференции по Искусственному интеллекту (AAAI-91). Июль 1991, стр 762-767.
[2] Jang, J.-S. R. "ANFIS: "Адаптивная Сеть основывала" Нечеткие Системы Вывода", Транзакции IEEE в Системах, Человеке, и Кибернетике, Издании 23, № 3, май 1993, стр 665-685.