|
電腦的問世, 對人類文明是一個衝擊。藉由它嚴密的邏輯和精確的計
算, 可幫助人們處理一些複雜且龐大的資料。然而, 電腦雖然功能強大,
也有它力所不迨之處。例如影像和語音的辨識, 人腦和電腦就可說是天壤
之別了。但是科學不斷地進步, 對於模糊現象所呈現的意義, 已不是三言
兩語能解釋清楚, 也不是隨便可用古典邏輯二分法遽下判斷。受限於電腦
硬體的改良有限, 軟體程式的發展遂益形重要, 於是就有模擬人腦的類神
經網路理論的提出。 最初的類神經網路, 仍是以古典集合論為基礎。
古典集合論分明的二分法, "非真及假" , 確實是人們處理模糊現象的一
大困擾。及至 1965年 , 由美國 California 大學控制論專家查德
(Zadeh) 提出模糊集合論,它是針對以往的古典集合論無法處理事物模糊
現象的問題而發展出的理論 , 類神經網路才又有一發展方向。 本篇
論文, 主要是以模糊集合論, 對影像辨識的方法做研究。以前有人曾以古
典集合論為基礎的雙向性組合式記憶模型 (Bidirectional Associative
Memory Model, 簡稱BAM) 來做辨識, 在此我們將要用和BAM相似, 且是以
模糊集合論為基礎的模糊組合式記憶模型(Fuzzy Associative
MemoryModel, 簡稱 FAM) 來做辨識, 研究FAM的辨識功能。 本篇論文
的第二章, 將對基本的模糊集合論做概略介紹, 第三章則先對 BAM 做一
回顧, 再對 FAM 的建構及使用方法做完整的說明, 且詳述整個 FAM 辨識
過程。第四章列出實驗結果, 第五章討論。 模糊集合論發展已二、三
十年, 近年才有相當顯著的成果, 而且可說愈來愈和人們的日常生活息息
相關。舉例而言, 如交通號誌的控制、電車速度的控制、又如居家的電視
機、洗衣機、音響等, 都有用模糊理論加以改良。可見模糊集合論在現代
工業科技界, 有著相當重要的地位。
|