ANFIS: Adaptive Neuro-Fuzzy Inference System

a. Architecture de lANFIS :
Les premiers travaux sur loptimisation des SIFs taient explicitement bass sur l'utilisation de
lalgorithme de rtro propagation. Le systme hybride ANFIS (Adaptive Network Based Fuzzy
Infrence System) est un systme d'infrence neuro-flou adaptatif qui consiste utiliser un rseau
de neurone de type MLP 5 couches pour laquelle chaque couche est destine la ralisation dune
tape dun systme dinfrence floue de type Sugeno. C'est le systme hybride neuro-flou propose
par Jang.
Couche 1
Entre

Couche 5
Couche 6
Dfloufication Sommation
x2
(sortie)

Couche 2
Floufication

Couche 3
Rgles floues

A1

N1

A2

N2

Couche 4
Normalisation

x1

x1

B1

N3

B2

N4

x2

Figure1:Rseau ANFIS 2 entres et 1 sortie

Ce rseau adaptatif est de type multicouche dont les connexions ne sont pas pondres. Les nuds
sont de deux types diffrents selon leur fonctionnalit: les nuds carrs (adaptatifs) contiennent
des paramtres, et les nuds circulaires (fixes) nont pas de paramtres. Toutefois, chaque nud
(carr ou circulaire) applique une fonction sur ses signaux dentres. La sortie O k, i du nud i de la
couche k (appele nud (i, k)) dpend des signaux provenant de la couche k-1 et des paramtres
du nud (i, k), pour la mthode dentranement : Rtro-propagation derreur
b. fonctionnement des couches :
Chaque couche de ce rseau sa sortie correspondante comme la manire suivante :

Couche 1 : Adaptation des paramtres des antcdents (MF)

Chaque neurone calcule le degr d'appartenance dun sous ensemble flou particulier par sa fonction
de transfert. La seule restriction sur le choix de cette fonction est sa drivabilit. En trouve dans la
littrature, lutilisation des fonctions gaussiennes ou les paramtres modifiables sont le centre et la
pente de la gaussienne (variance), o x est lentre du nud i, et Ai le terme linguistique associ
sa fonction. En dautres termes, est le degr dappartenance de x Ai. Les paramtres dun nud
de cette couche sont ceux de la fonction dappartenance correspondante.

O1, i = Ai (x), i = 1, 2;

= Bi-2 (y), i = 3, 4

Couche 2 : Force de dclenchement de la rgle

Sert calculer le degr d'activation des prmisses. Chaque neurone dans cette couche reoit les
sorties des neurones prcdents de fluidification et calcule son activation. La conjonction des
antcdents est ralise avec loprateur produit.

O2, i = wi = Ai (x) Bi (y), i = 1, 2

Couche 3 : Normalisation des forces de dclenchement
Chaque neurone calcul le degr de vrit normalis dune rgle floue donne. La valeur obtenue
reprsente la contribution de la rgle floue au rsultat final.

O3, i = wi = wi / (w1 + w2), i = 1, 2

Couche 4 : Adaptation des paramtres des consquents
Chaque neurone i de cette couche est reli un neurone de normalisation correspondant et aux
entres initiales du rseau. Il calcule le consquent pondr de la rgle.
O est la sortie de la couche 3, et est lensemble des paramtres de sortie de la rgle i.

O4, i = wifi = wi (pix + qiy + ri)

Couche 5 : Sortie finale
Comprend un seul neurone qui fournit la sortie de ANFIS en calculant la somme des sorties de
tous les neurones de sortie.

O5 = iwifi = iwi(pix + qiy + ri) / iwi

Avec

:
{ai, bi, ci} sont les paramtres des antcdents;

{pi, qi, ri} sont les paramtres des consquents;

fi : fonction dinfrence floue, la sortie dsire.

En simplifiant, dans notre problmatique le systme d'infrence flou quatre entres c-a-d 4
paramtres X1 et X2 et X3 et X4, et a comme sortie Y. on suppose que la base de rgle contient 3
rgles floues de type Takagi-Sugeno pour chaque entre suivant:
X1: Gear (Transmission).
X2: Direction (steer).
X3:Acceleration.
X4:Frien.

Dans lalgorithme ANFIS de Jang, on optimise aussi bien les paramtres de antcdents que ceux
des consquents. Durant la passe avant, les paramtres des consquents sont adapts alors que les
paramtres des antcdents sont maintenus constants ; durant la passe arrire, les rles sont
changs.

Conclusion :
Le modle ANFIS permet de dpasser la logique classique des rseaux de neurones classiques pour
viter l'limination des cas intermdiaires en leur associant les rgles floues. La structure des
rseaux neuro-flous utilise un mcanisme d'infrence qui dfinit des rgles de combinaisons des
fonctions d'appartenance de toutes les variables d'entre qui sont leur rle divises en un nombre
limit d'tiquettes que chacune est caractrise par une fonction d'appartenance.