人工神经网络方法与模糊方法在技术操作层次上的结合

二、人工神经网络方法与模糊方法在技术操作层次上的结合

人工神经网络具有巨大的并行计算能力，在处理复杂的人工智能问题上显示出极优越的地位。但由于它具有黑箱的弱点，即它没有能力对神经网络为什么给出一种这样或那样的决策作出恰当的解释，另外，在近20年的时间里，基于模糊方法的应用已成为非常活跃的领域。将模糊与神经网络有机地结合起来，对水利可持续发展系统进行评价可以取长补短。目前，模糊与神经网络技术从简单结合到完全结合主要体现在4个方面：

（1）模糊方法与神经网络方法的简单结合。模糊方法与神经网络方法各自以独立的方式存在，并起着一定的作用。

1）松散型结合。在评价系统中，对于可用“if-then”规则来表示的部分，用模糊方法描述；而对于很难用“ifthen”规则表示的部分，则用神经网络。两者之间没有直接的联系。

2）并联型结合。模糊方法与神经网络在评价系统中按并联方式连接，即享用共同的输入。(https://www.daowen.com)

3）串联型结合。模糊方法与神经网络方法在评价系统中按串联方式连接，即一方的输出成为另一方的输入。这种情况可看成是两段推理或者串联中的前者作为后者输入信号的预处理部分。

（2）用模糊逻辑增强的神经网络。这种结合的主要目的是用模糊神经系统作为辅助工具，增强神经网络的学习能力，克服传统神经网络容易陷入局部极小值的弱点。

（3）用神经网络增强的模糊逻辑。这种类型的模糊神经网络用神经网络作为辅助工具更好地设计模糊系统。

（4）模糊逻辑与神经网络系统的完全结合。它主要是借鉴模糊推理的思路设计一些特殊结构的神经网络，这种网络与一般神经网络相比，从内部结构可观察到，而不再是一个黑箱。例如，设计模糊系统用一等价结构的神经网络表示，网络节点和参数都有一定的意义，即对应模糊系统的隶属函数或推理过程。