模糊逻辑类神经网路发展软体.doc

OINCA 模糊邏輯類神經網路發展軟體模糊邏輯類神經網路發展軟體 An Integrated Platform for development of Fuzzy Logic, Neural Networks, Fuzzy-Neuro Systems 快速導引操作手冊 Quick Start Guide IXON 中 崗 科 技 有 限 公 司 106 台北市大安區和平東路二段 259 號 9 樓 TEL:886-2-2704-5535/FAX:886-2-2754-1785 http:/ .tw 目 錄 1.範例內容說明 .2 2.系統架構.2 3.工具列簡介.3 4. 簡明 step-by-step.4 4.1 建立三個輸入變數.4 4.2 建立類神經網路模組.5 4.3 建立物件間的連結.5 4.4 建立模糊邏輯模組.6 4.5 創造隸屬函數 .7 4.6 創造 RULEBASE.7 4.7 創造類神經網路.9 4.8 權重的初始化 .9 4.9 資料正規化.9 4.10 建立類神經網路的訓練檔.9 4.11 模擬模糊邏輯模組.11 4.12 模擬整個系統 .12 1.範例內容說明 這個範例是以生產的品管計畫，做為說明的例子。簡單地規劃了三種特 徵，做為判定產品屬於哪種類別（優異、良好、不良.）的根據。 2.系統架構 此系統的設計理念，在第一階段，希望先透過類神經網路的學習能力， 將輸入的三種變數（特徵值） ，跟兩個輸出變數（雜訊比率、損壞程度） 做連結。這部分學習過後的輸出，再做為第二階段專家系統的輸入變數。 類神經網路部分，使用的是倒傳遞網路，共有三個輸入、一個隱藏層 （四個神經元） 、兩個輸出神經元。 專家系統的部分，接收到來自神經網路的兩個輸入，透過預先建立的五 個法則，做出最後對每個產品品質的判斷。 專家系統部分，還有一個模糊函數的子系統，分別透過使用者的設定， 替三個部分設定隸屬函數，分別是雜訊比率、損壞程度以及品質等三部 分。 圖示如下： （圖一） 透過上圖，我們可以清楚地發現，當兩套系統（ANN 以及 expert system）巧妙地橋接起來，我們可以發揮神經網路優異的學習、容錯能力， 加上專家系統強大的邏輯判斷，得到對於品質良好的判別依據。 3.工具列簡介 因為 OINCA 這套系統的設計，並沒有將游標放在圖示上，就會顯現提 示的功能，所以為了以後解說方便，我們先將工具列的各圖形方塊功能， 做簡單介紹。如下圖所示： （圖二） 從上圖中，我們可以看到，從左至右，分別是輸入 、 輸出 、 模糊 邏輯 、 神經網路 、 使用者自訂 、 運算子 、 常數 、 直線與 文字等。 4. 簡明 step-by-step 4.1 建立三個輸入變數 先按下工具列中的輸入 ，再將滑鼠移至 System Diagram 的視窗， 按下滑屬左鍵，拉開一個四方形大小，就建立了一個輸入變數。 Double-click 該變數，就會顯示出該輸入屬性的對話框。請在 variable 中輸入Feature 1 ，Data Range 的最大、最小值中分別輸入 0 以及 1。按照同樣步驟，建立起 Feature 2 以及 Feature 3，所有變數的設定 值， 請見下表： 類神經網路模組 輸入變數資料範圍輸出變數資料範圍 Feature 10 , 1SNRatio0 , 30 Feature 2-5 , 5Phys-Damage0 , 1 Feature 30 , 10 模糊邏輯模組 輸入變數資料範圍輸出變數資料範圍 SNRatio0 , 30Quality0 , 10 Phys-Damage0 , 1 （表一） 4.2 建立類神經網路模組 仿造前面建立輸入變數的滑鼠拖曳方式，從工具列中，將神經網 路 、 模糊邏輯以及輸出分別按照圖一中的版面配置，放置 在 System Diagram 視窗中，針對每個物件，也以 double-click 的方式 予以命名，最大最小值的設定，則根據表一。 4.3 建立物件間的連結 從工具列中點選直線 ，依照圖一的形式，分別從左邊的物件連結 到右邊的物件。 神經網路物件與模糊邏輯物件間有兩條連結， 也請分別 double-click 後予以命名。 4.4 建立模糊邏輯模組 將滑鼠移到模糊邏輯的物件上，按住shift鍵 double-click 滑鼠左 鍵。在模糊邏輯視窗中創造兩個輸入、一個法則規則物件(RuleBase) 以及一個輸出物件，分別予以命名。創造物件方式雷同前述創造類 神經模組的過程，在工具列透過拖曳的方式，將圖示拉到視窗中。 以 Double-Click 每個物件，分別予以命名，並將個各物件加以連結， 如下圖所示： 針對四個物件，請分別予以設定如下： Variable 隸屬函數解模糊 輸入（SNRatio） SNRatioSNR 輸入（Phys- Damage） Phys-DamagePhys-Damage 法則規則物件 evaluatorInference-Max-Min 輸出(Quality) QualityQualityCentrold 4.5 創造隸屬函數 a. ”SNRatio”的輸入物件-將游標放在此物件上，接著按下 shift- double-clicking 滑鼠左鍵，進入編輯隸屬函數的視窗。按下 TOOL中的Creat MF set ，選擇設定 Shape=Trapezoidal，Number of labels=3，接著會產生一共三個 MF- 1、MF-2、MF3 的隸屬函數標示，在三個圖示上分別加以 Double- Click，將名字分別設為Weak 、 Normal以及Strong 。接著， 再到TOOL去按下Set Data Range ，並輸入 Description=Signal- to-Noise 、Min=0、Max=30。 b. “Phys-Damage” 的輸入物件-基本上步驟同於前項所述，但是設定 上，Shape=Triangular Shouldered，Number of labels=2， MF-1、MF-2 分別設為Minor以及Severe 。 Set Data Range中輸入 Description=Physical Damage 、Min=0、Max=1 c. ”Quality”的輸出物件-同於前項所述，但是設定上， Shape=Triangular Shouldered，Number of labels=4，分別設為Reject 、 Marginal 、 Good以及High 。 Set Data Range中輸入 Description=Quality、Min=0、Max=10。 4.6 創造 Rulebase 在模糊邏輯視”Expert system”窗中，將指標放在 evaluator 上，並加以 Shift-Double-Click，便會出現一個空白的 Rule list 對話方格，按下 Append ，便會出現以下畫面： 在中間Clause群組中，Input Variable 選SNRatio 、Operator 選IS 、 Input Lable 選Minor ，接著到 Clause Edit 群組中按下Append ；其次， 選到第二個 THEN 的框框，再到中間Clause群組中，Output Variable 選Quality 、Operator 選IS 、Output Label 選High ，接著到 Clause Edit 群組中按下Append ，最後按下OK ，便完成第一條規則的輸 入。請依照相同步驟，完成以下接著四條法則的輸入，完整輸入法則如 下圖所示： 4.7 創造類神經網路 將滑鼠指標放在 classifier 的物件上，按下 Shift-Double-Clicking，到 TOOL中按下Neural Net ，接著輸入 Input layer Neurons=3, Output layer Neurons=2, Hidden layer Neurons=4，Activation=Sigmoid， 並且按下OK 。透過對每一個神經元 Double-Clicking，加以設定每 個神經元的 label 以及 min、max（根據表一） 。 4.8 權重的初始化 選擇TOOL中的initialization ，設定中可以根據原始設定值， 或者隨使用者調整。在範例中，SEED（亂數產生種子）我們設定為 2525。 4.9 資料正規化 選擇TOOL中的normalization ，在本範例中，我們可以選擇 0 到 1。 4.10 建立類神經網路的訓練檔 建議使用 WIN98 所附的 WORDPAD 先建立起以下檔案： /Neural Net Training Data File for 3 input/2 output network #Feature 1, Feature 2, Feature 3, &, SNRatio, Phys-Damage 0.1, 5, 10, 30 , 0.2 0.3, 2, 7, 30 , 0.2 0.1, 5, 6 , 15, 0.2 0.3, 2, 4, 15, 0.2 1, -5, 10 , 3, 0.2 0.7,-2, 7, 3, 0.2 0.1, 5, 1, 15, 0.8 0.3, 2, 0.3, 15, 0.8 0.1, -5,1, 3, 0.8 0.3, -2, 3, 3, 0.8 並將其存在 C:My DocumentsQualityTrain （選擇存檔格式為純文字 ） 。 上述輸入的 、 /等符號，包括數字結尾前的逗號，都有其必要性， 請勿疏忽。此時該檔案為.txt 檔。 接著進入 MS-DOS 模式，操作如下： C:cd. C:cd My Documents C:My Documents copy QualityTrain.txt QualityTrain.trn 按下 ENTER。 接著關掉 DOS 視窗，此時已將原來.txt 檔案改成.trn 檔案。 回到類神經網路視窗模組中，從TOOL選擇train ，在最下方 的 Files 群組中，透過 Browse，選擇我們之前已經存好的 QualityTrain.trn 作為訓練檔，其餘設定值，如下圖所示： 接著按下START ，便可以開始訓練。若在 SAVE ERROR 的選項勾選， 還可以在TOOL中選擇 plot error，將訓練中的誤差畫出來，如下： 同樣的道理，請設定好輸入的 test 檔案，便可以利用訓練好的網路，進 行測試。 4.11 模擬模糊邏輯模組 （因為神經網路的模擬跟此類似，故不重複敘述）： 先打開模糊邏輯的視窗，到MODE下選擇simulation 。接著選擇 input from console ，並且不要選擇Save output ，按下 OK。回到視窗 中，將滑鼠點一下輸入物件，接著點一下 Toggle Watch 的按鍵；照此順 序，完成每一個輸入與輸出物件。接著按下 STEP 按鍵，把 Phys-Damage 設為 0.2，SNRatio 設為 10，按下 OK，便可以在圖中看到模擬後的結果。 甚至在圖中 double-click 推論物