自适应神经模糊推理系统 (ANFIS)

Posted 2023-03-12

【中文标题】自适应神经模糊推理系统 (ANFIS)

【英文标题】：Adaptive Neuro-Fuzzy Inference System (ANFIS)

【发布时间】：2011-07-09 12:50:54

【问题描述】：

您有ANFIS（自适应神经模糊推理系统）的示例或解释，我正在阅读这可以用于对某些疾病进行分类，您对此有何看法？

【参考方案1】：

通常，为了开发一个模糊系统，您必须确定 if-then 规则、合适的隶属函数及其参数。这并不总是一项微不足道的任务，尤其是开发正确的 if-then 规则可能很耗时，因为我们首先必须以某种方式“提取”专家知识。

这就是 ANFIS 发挥作用的地方：在某些情况下，它可以自动为隶属函数确定合适的参数。当我们已经有一组输入和相关的输出变量和值时，情况尤其如此。就像在人工神经网络中一样，ANFIS 系统能够“自动”调整其节点和它们之间的连接。

对于您的问题：您当然可以为您的疾病分类创建一个 ANFIS 系统，只要您已经拥有可用于系统训练的输入和输出数据。但它不一定与此类系统相关，您可以看到 ANFIS 更多的是一种在上述情况下可用的方法，而不是针对特定问题的工具。这完全取决于您要创建的系统的要求，以及已知的（外部）前提条件......

希望有帮助！

【参考方案2】：

正如 Matthias 所说，ANFIS 没有映射到特定问题，您可以根据问题要求使用它。但是在哪里使用 ANFIS：您可以将它用于任何不明确的问题。

其实这是FIS(Fuzzy Inference System)的属性。正如马蒂亚斯解释的那样，自适应发挥作用。

例如。拿著名的分类问题来说，将输入分类到任何类并不总是完全确定的，它有点模棱两可。因此，使用 ANFIS 可能会比其他分类算法提供更好的结果，具体取决于您是否能够正确地对系统建模或不使用 ANFIS。

但与其他非模糊方法相比，使用 ANFIS 的计算成本很高。为了使 FIS 完美地模拟您的问题，您将在其中添加 AN 部分。这只会使隶属函数选择自适应。 if-then 规则呢？为此，您必须从完整的可能规则库中进行无监督规则选择（这基本上是一种无监督聚类问题，您试图将所有效果相同的规则分组）。

【讨论】：

您的回答非常明确；非常感谢（我在为我的研究寻找解决方案时偶然发现了它）。但是，我想问一些稍微复杂的问题。我的模糊系统使用规则共享（即 2 个具有不同前因的规则对应于一个输出 mf）并且 ANFIS 不接受该特征。你知道任何替代方案吗？我可以使用其他 NN 类型吗？

【参考方案3】：

到目前为止，我已经找到了一个university 'Monash' that explains (based on the guide of Matlabs's Fuzzy Logic Toolbox) ANFIS。

我们考虑的模糊推理系统是一个映射模型：

输入特征输入 成员函数 输入 规则的隶属函数 规则 到一组输出特征 输出特性到输出 隶属函数 输出隶属函数 单值输出或决策 与输出相关联。

【参考方案4】：

是的，它可以用于疾病分类。 由于ANFIS的思想是在ANN架构中结合模糊系统。在这种情况下，ANFIS 有两个主要好处。

首先，您可以使用支持语言变量的模糊变量，它适用于通常用作系统输入的疾病症状（输入示例>>疼痛级别：低、中、高）。 其次，由于架构映射到 ANN 层，ANFIS 可以进行旨在创建更准确结果的训练过程（例如：使用反向传播方法）。