1、.OINCA Quick Start Guide Ixon Technology Co., LtdPAGE ：.；PAGE 13OINCA模糊邏輯類神經(jīng)網(wǎng)路發(fā)展軟體An Integrated Platform for development of Fuzzy Logic,Neural Networks, Fuzzy-Neuro Systems快速導(dǎo)引操作手冊(cè)Quick Start Guide HYPERLINK palisade/html/ l ordernow 中崗科技106臺(tái)北市大安區(qū)和平東路二段259號(hào)9樓:886-2-2704-5535/FAX:886-2-2754-1785 ixon

2、.twIXON目 錄 TOC o h z HYPERLINK l _Toc41715596 1.範(fàn)例內(nèi)容說明 PAGEREF _Toc41715596 h 2 HYPERLINK l _Toc41715597 2.系統(tǒng)架構(gòu) PAGEREF _Toc41715597 h 2 HYPERLINK l _Toc41715598 3.工具列簡(jiǎn)介 PAGEREF _Toc41715598 h 3 HYPERLINK l _Toc41715599 4. 簡(jiǎn)明step-by-step PAGEREF _Toc41715599 h 4 HYPERLINK l _Toc41715600 4.1 建立三個(gè)輸入變數(shù)

3、 PAGEREF _Toc41715600 h 4 HYPERLINK l _Toc41715602 4.2建立類神經(jīng)網(wǎng)路模組 PAGEREF _Toc41715602 h 5 HYPERLINK l _Toc41715603 4.3建立物件間的連結(jié) PAGEREF _Toc41715603 h 5 HYPERLINK l _Toc41715604 4.4建立模糊邏輯模組 PAGEREF _Toc41715604 h 6 HYPERLINK l _Toc41715606 4.5創(chuàng)造隸屬函數(shù) PAGEREF _Toc41715606 h 7 HYPERLINK l _Toc41715607 4.

4、6創(chuàng)造Rulebase PAGEREF _Toc41715607 h 7 HYPERLINK l _Toc41715608 4.7創(chuàng)造類神經(jīng)網(wǎng)路 PAGEREF _Toc41715608 h 9 HYPERLINK l _Toc41715609 4.8權(quán)重的初始化 PAGEREF _Toc41715609 h 9 HYPERLINK l _Toc41715610 4.9資料正規(guī)化 PAGEREF _Toc41715610 h 9 HYPERLINK l _Toc41715611 4.10建立類神經(jīng)網(wǎng)路的訓(xùn)練檔 PAGEREF _Toc41715611 h 9 HYPERLINK l _Toc4

5、1715612 4.11模擬模糊邏輯模組 PAGEREF _Toc41715612 h 11 HYPERLINK l _Toc41715613 4.12模擬整個(gè)系統(tǒng) PAGEREF _Toc41715613 h 121.範(fàn)例內(nèi)容說明 這個(gè)範(fàn)例是以生產(chǎn)的品管計(jì)畫，做為說明的例子。簡(jiǎn)單地規(guī)劃了三種特徵，做為斷定產(chǎn)品屬於哪種類別優(yōu)異、良好、不良.的根據(jù)。2.系統(tǒng)架構(gòu) 此系統(tǒng)的設(shè)計(jì)理念，在第一階段，希望先透過類神經(jīng)網(wǎng)路的學(xué)習(xí)才干，將輸入的三種變數(shù)特徵值，跟兩個(gè)輸出變數(shù)雜訊比率、損壞程度做連結(jié)。這部分學(xué)習(xí)過後的輸出，再做為第二階段專家系統(tǒng)的輸入變數(shù)。類神經(jīng)網(wǎng)路部分，運(yùn)用的是倒傳遞網(wǎng)路，共有三個(gè)輸入、一個(gè)

6、隱藏層四個(gè)神經(jīng)元、兩個(gè)輸出神經(jīng)元。專家系統(tǒng)的部分，接納到來自神經(jīng)網(wǎng)路的兩個(gè)輸入，透過預(yù)先建立的五個(gè)法則，做出最後對(duì)每個(gè)產(chǎn)品品質(zhì)的判斷。專家系統(tǒng)部分，還有一個(gè)模糊函數(shù)的子系統(tǒng)，分別透過運(yùn)用者的設(shè)定，替三個(gè)部分設(shè)定隸屬函數(shù)，分別是雜訊比率、損壞程度以及品質(zhì)等三部分。圖示如下：圖一透過上圖，我們可以清楚地發(fā)現(xiàn)，當(dāng)兩套系統(tǒng)ANN以及expert system巧妙地橋接起來，我們可以發(fā)揮神經(jīng)網(wǎng)路優(yōu)異的學(xué)習(xí)、容錯(cuò)才干，加上專家系統(tǒng)強(qiáng)大的邏輯判斷，得到對(duì)於品質(zhì)良好的判別依據(jù)。3.工具列簡(jiǎn)介 因?yàn)镺INCA這套系統(tǒng)的設(shè)計(jì)，並沒有將游標(biāo)放在圖示上，就會(huì)顯現(xiàn)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

7、方塊功能，做簡(jiǎn)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(jīng)網(wǎng)路、運(yùn)用者自訂、運(yùn)算子、常數(shù)、直線與文字等。4. 簡(jiǎn)明step-by-step 4.1 建立三個(gè)輸入變數(shù) 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(gè)四方形大小，就建立了一個(gè)輸入變數(shù)。Double-click該變數(shù)，就會(huì)顯示出該輸入屬性的對(duì)話框。請(qǐng)?jiān)趘ariable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 3，一切變數(shù)的設(shè)定值，請(qǐng)見下表：類神經(jīng)網(wǎng)路

8、模組輸入變數(shù)資料範(fàn)圍輸出變數(shù)資料範(fàn)圍Feature 10 , 1SNRatio0 , 30Feature 2-5 , 5Phys-Damage0 , 1Feature 30 , 10模糊邏輯模組輸入變數(shù)資料範(fàn)圍輸出變數(shù)資料範(fàn)圍SNRatio0 , 30Quality0 , 10Phys-Damage0 , 1表一4.2建立類神經(jīng)網(wǎng)路模組 仿造前面建立輸入變數(shù)的滑鼠拖曳方式，從工具列中，將神經(jīng)網(wǎng)路、模糊邏輯以及輸出分別按照?qǐng)D一中的版面配置，放置在System Diagram視窗中，針對(duì)每個(gè)物件，也以double-click的方式予以命名，最大最小值的設(shè)定，則根據(jù)表一。4.3建立物件間的連結(jié) 從工

9、具列中點(diǎn)選直線，按照?qǐng)D一的方式，分別從左邊的物件連結(jié)到右邊的物件。神經(jīng)網(wǎng)路物件與模糊邏輯物件間有兩條連結(jié)，也請(qǐng)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(chuàng)造兩個(gè)輸入、一個(gè)法則規(guī)則物件(RuleBase)以及一個(gè)輸出物件，分別予以命名。創(chuàng)造物件方式雷同前述創(chuàng)造類神經(jīng)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(gè)物件，分別予以命名，並將個(gè)各物件加以連結(jié)，如下圖所示：針對(duì)四個(gè)物件，請(qǐng)分別予以設(shè)定如下：Variable隸屬函數(shù)解模糊輸入SNRatio

10、SNRatioSNR輸入Phys-DamagePhys-DamagePhys-Damage法則規(guī)則物件evaluatorInferenceMax-Min輸出(Quality)QualityQualityCentrold4.5創(chuàng)造隸屬函數(shù) SNRatio的輸入物件將游標(biāo)放在此物件上，接著按下shift-double-clicking滑鼠左鍵，進(jìn)入編輯隸屬函數(shù)的視窗。按下TOOL中的Creat MF set，選擇設(shè)定Shape=Trapezoidal，Number of labels=3，接著會(huì)產(chǎn)生一共三個(gè)MF-1、MF-2、MF3的隸屬函數(shù)標(biāo)示，在三個(gè)圖示上分別加以Double-Click，將名

11、字分別設(shè)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。“Phys-Damage 的輸入物件根本上步驟同於前項(xiàng)所述，但是設(shè)定上，Shape=Triangular Shouldered，Number of labels=2， MF-1、MF-2分別設(shè)為Minor以及Severe。Set Data Range中輸入Description=Physical Damage 、Min=0、Max=1Quality的輸出物件同於前項(xiàng)所述，但是設(shè)定上，Shape=Tria

12、ngular Shouldered，Number of labels=4，分別設(shè)為Reject、Marginal、Good以及High。Set Data Range中輸入Description=Quality、Min=0、Max=10。4.6創(chuàng)造Rulebase 在模糊邏輯視Expert system窗中，將指標(biāo)放在evaluator上，並加以Shift-Double-Click，便會(huì)出現(xiàn)一個(gè)空白的Rule list對(duì)話方格，按下Append，便會(huì)出現(xiàn)以下畫面：在中間Clause群組中，Input Variable選SNRatio、Operator選IS、Input Lable選Minor，接

13、著到Clause Edit群組中按下Append；其次，選到第二個(gè)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(guī)則的輸入。請(qǐng)按照一樣步驟，完成以下接著四條法則的輸入，完好輸入法則如下圖所示：4.7創(chuàng)造類神經(jīng)網(wǎng)路 將滑鼠指標(biāo)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 la

14、yer Neurons=2, Hidden layer Neurons=4，Activation=Sigmoid，並且按下OK。透過對(duì)每一個(gè)神經(jīng)元Double-Clicking，加以設(shè)定每個(gè)神經(jīng)元的label以及min、max根據(jù)表一。4.8權(quán)重的初始化 選擇TOOL中的initialization，設(shè)定中可以根據(jù)原始設(shè)定值，或者隨運(yùn)用者調(diào)整。在範(fàn)例中，SEED亂數(shù)產(chǎn)生種子我們?cè)O(shè)定為2525。4.9資料正規(guī)化 選擇TOOL中的normalization，在本範(fàn)例中，我們可以選擇0到1。4.10建立類神經(jīng)網(wǎng)路的訓(xùn)練檔 建議運(yùn)用WIN98所附的WORDPAD先建立起以下檔案： /Neural Ne

15、t Training Data File for 3 input/2 output network#Feature 1, Feature 2, Feature 3, &, SNRatio, Phys-Damage0.1, 5, 10, 30 , 0.20.3, 2, 7, 30 , 0.20.1, 5, 6 , 15, 0.20.3, 2, 4, 15, 0.21, -5, 10 , 3, 0.20.7,-2, 7, 3, 0.20.1, 5, 1, 15, 0.80.3, 2, 0.3, 15, 0.8 0.1, -5,1, 3, 0.80.3, -2, 3, 3, 0.8並將其存在C:My

16、 DocumentsQualityTrain 選擇存檔格式為純文字。上述輸入的、/等符號(hào)，包括數(shù)字結(jié)尾前的逗號(hào)，都有其必要性，請(qǐng)勿忽略。此時(shí)該檔案為.txt檔。接著進(jìn)入MS-DOS方式，操作如下：C:cd.C:cd My DocumentsC:My Documents copy QualityTrain.txt QualityTrain.trn按下ENTER。接著關(guān)掉DOS視窗，此時(shí)已將原來.txt檔案改成.trn檔案。回到類神經(jīng)網(wǎng)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(jīng)存好的QualityTrain.trn作為訓(xùn)練檔，其餘設(shè)定值，

17、如下圖所示：接著按下START，便可以開始訓(xùn)練。假設(shè)在SAVE ERROR的選項(xiàng)勾選，還可以在TOOL中選擇plot error，將訓(xùn)練中的誤差畫出來，如下：同樣的道理，請(qǐng)?jiān)O(shè)定好輸入的test檔案，便可以利用訓(xùn)練好的網(wǎng)路，進(jìn)行測(cè)試。4.11模擬模糊邏輯模組 因?yàn)樯窠?jīng)網(wǎng)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(diǎn)一下輸入物件，接著點(diǎn)一下Toggle Watch的按鍵；照此順序，完成每一個(gè)輸入與輸出物件。接著按下STEP按鍵，把Phys-Damage設(shè)為0.2，SNRatio設(shè)為10，按下O