Search academic texts

Information × Registration Number 2116U005995, Article popup.category Опубліковано, Стаття Title BUILDING A FULLY DEFINED NEURO-FUZZY NETWORK WITH A REGULAR PARTITION OF A FEATURE SPACE BASED ON LARGE SAMPLE popup.author Субботін С. О.Subbotin S. A. popup.publication 27-10-2016 popup.source_user Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") popup.source https://ric.zp.edu.ua/article/view/81246 popup.publisher National University "Zaporizhzhia Polytechnic" Description Вирішено проблему автоматизації синтезу моделей для класифікації образів за ознаками. Запропоновано метод синтезу нейро-нечітких моделей за прецедентами, здатний одержувати цілком визначені нейромоделі на основі регулярного розбиття ознак. Метод розраховує координати центрів кластерів як координати центрів прямокутних блоків у просторі інтервалів ознак, а належності клас- терів до класів визначає за навчальною вибіркою: для кластерів, покритих спостереженнями, належність визначається за максимумом частоти екземплярів відповідних класів у кластері, а для кластерів, непокритих спостереженнями, належність визначаться за максималь- ним потенціалом, що наводиться на даний кластер кластерами з відомою належністю до класів. Отриманий набір кластерів-правил відображається у структуру нейро-нечіткої мережі Мамдани, а її параметри налаштовуються на основі параметрів розбиття ознак і центрів кластерів. Запропонований метод не вимагає завантаження всієї навчальної вибірки в пам’ять ЕОМ та істотно прискорює процес синтезу моделей, забезпечуючи при цьому прийнятний рівень узагальнення даних одержуваною нейромоделлю. Розроблено програмне забезпечення, що реалізує запропонований метод, а також проведені експерименти, що підтвердили працездатність розроб- леного математичного забезпечення і що дозволяють рекомендувати його для побудови нейро-нечітких моделей на основі вибірок великого обсягу. popup.nrat_date 2026-02-09 Close