金属基复合材料设计神经自适应学习技术

采用金属基复合材料设计神经自适应学习技术能够开发一个模型，通过使用模糊建模过程的数据集来“学习”系统。换句话说，ANFIS通过单独使用输入/输出数据集反向传播(BP)算法或结合最小二乘法编辑隶属度函数参数来创建模糊推理系统(FIS)。采用金属基复合材料设计这样的安排使得系统可以借助我们的模糊系统所建模的数据来学习相关的系统。换句话说，它会根据将要建模的数据进行调整。因此，它具有很强的适应性。由于自适应网络结构的功能，它获得了利用系统的环境信息和与系统相关的输入输出数据进行自我更新的能力。它还包括先进的数据分析技术，如ANFIS，数字分组和规则集。

神经自适应学习技术由六层组成。第一层称为输入层。这一层的输入信号被传送到其他层。第2层是模糊化层。每个输出由依赖于输入值和使用的成员函数的成员度组成。第三层是规则层;这一层的每个节点都是指根据Sugeno模糊逻辑推理系统创建的规则和编号。第4层是归一化层，接受所有节点，计算每个规则的归一化级别。第5层是净化层，对给定规则在每个节点上的加权结果值进行估计。第6层是只有一个节点的总层(∑)。在这一层中，增加各节点的输出值，得到系统的实际输出。

采用金属基复合材料设计神经自适应学习技术的学习算法是一种混合学习算法，包括使用最小二乘法和反向传播学习算法。该学习算法基于误差反向传播。学习的过程有两个步骤;在第一部分中，产生输入样本并接受初始参数为常数，用最小均方法确定最佳最终参数。第二部分再现输入样本，用梯度下降法代替初始参数，最终参数被认为是常数。之后[3]会重复这个过程。