III.2.2 : Approche connexionniste :
L'approche connexionniste consiste à combiner les deux
méthode : La théorie de la logique floue avec celle des
réseaux de neurones .
Deux approche pour construire un réseaux neuraux flou
[22] [23] .
A : première approche :
Dans cette approche ( structurelle ) on
construis un système d'inférence flou sous forme d'un
réseau de neurones multicouches dans la quel les poids du réseau
correspondent aux paramètres du système flou , exemple :
l'écart type des fonctions d'appartenances .
B : deuxième approche :
Dans cette approche ( fonctionnelle ) le
réseau neuraux flou peut incorporer le processus de raisonnement
approximatif .
III.2.2.1: Approche structurelle :
L'architecture du réseau dépend du type de
règles et des méthodes d'inférence et de defuzzification
choisies .
Les formes d'architecture les plus rencontrées dans la
littérature sont :
A- L'architecture basée sur le raisonnement approximatif
de Takagi , Sugeno représentée par la structure ANFIS (Adaptive
Neural Fuzzy based Inference Systeme ) :
Cette architecture a été proposée par Takagi
, Sugeno et Kang [24] .
Un exemple est donné pour illustré cette
idée :
Exemple :
Soit deux entrées x1 , x2 et une sortie y :
Le model de Sugeno d'ordre un à deux règles est
donné par :
R : Si (x1 est A1 )
et ( x2 est B1 ) Alors (F1 = p1.x1+q1.x2+r1)
.
R : Si (x1 est A2 )
et ( x2 est B2 ) Alors (F2 = p2.x1+q2.x2+r2)
.
Chapitre III : Réseaux neuraux flous
L'ANFIS équivalent est le
suivant :
X1 X2
| 
