Пошук академічних текстів

Інформація × Реєстраційний номер 2116U005973, Матеріали видань та локальних репозитаріїв Категорія Опубліковано, Стаття Назва роботи СИНТЕЗ НЕЙРО-НЕЧІТКИХ МЕРЕЖ З РАНЖИРУВАННЯМ І СПЕЦИФІЧНИМ КОДУВАННЯМ ОЗНАК ДЛЯ ДІАГНОСТИКИ Й АВТОМАТИЧНОЇ КЛАСИФІКАЦІЇ ЗА ПРЕЦЕДЕНТАМИ Автор Субботін С.О.Subbotin S. A. Дата публікації 10-02-2016 Постачальник інформації Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") Першоджерело https://ric.zp.edu.ua/article/view/66500 Видання National University "Zaporizhzhia Polytechnic" Опис Вирішено задачу автоматизації синтезу нейро-нечітких мереж для діагностування й автоматичної класифікації за ознаками. Запропоновано метод синтезу нейро-нечітких моделей за прецедентами, що визначає оцінки взаємо-зв’язку вхідних ознак, виділяє взаємозалежні ознаки, оцінює вплив ознак на вихідну ознаку, а також виявляє взаємозалежні терми, включає в модель найбільш важливі ознаки і терми, усуває дубляж термів і ознак, використовує різні варіанти кодування сигналів, а також переупорядковує ознаки, забезпечуючи групування ознак, формує правила для прецедентів класів, що раніше не зустрічалися, або таких, що істотно відрізняються від наявних правил свого класу, а уже наявні правила коректує на основі прецедентів, що надходять, з урахуванням числа раніше розглянутих спостережень. Запропонований метод дозволяє істотно прискорити синтез нейро-нечітких моделей, забезпечуючи прийнятну точність і більш високий рівень узагальнення даних, знизити складність і надмірність, а також підвищити інтерпретабельність нейромоделі. Проведено експерименти з вирішення практичних задач діагностування й автоматичної класифікації, що підтвердили працездатність і застосовність запропонованого методу. Отримано залежність помилки моделі, синтезованої запропонованим методом, від заданої розрядності ознак. Використання отриманої залежності дозволяє на практиці більш раціонально вибирати значення кількості інтервалів розбиття діапазонів значень ознак, забезпечуючи прийнятну точність нейромоделі. Додано в НРАТ 2026-02-09 Закрити