Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 634932)
Контекстум
Руконтекст антиплагиат система
Естественные и технические науки  / №2 2013

АЛГОРИТМ КЛАСТЕРИЗАЦИИ ПРАВИЛ СИСТЕМ НЕЧЕТКОГО ВЫВОДА (100,00 руб.)

0   0
Первый авторМухамедиева
Страниц4
ID497945
АннотацияПредлагается нейро-нечеткий алгоритм кластеризации систем нечеткого вывода (СНВ). Описывается двухэтапный адаптивный алгоритм синтеза СНВ. На первом этапе производится кластеризация исходных нечетких параметров с целью сокращения числа входных параметров нечетких правил, а на втором – осуществляется синтез нечетких моделей (правил вывода) типа Сугэно
Мухамедиева, Д.Т. АЛГОРИТМ КЛАСТЕРИЗАЦИИ ПРАВИЛ СИСТЕМ НЕЧЕТКОГО ВЫВОДА / Д.Т. Мухамедиева // Естественные и технические науки .— 2013 .— №2 .— С. 242-245 .— URL: https://rucont.ru/efd/497945 (дата обращения: 29.04.2024)

Предпросмотр (выдержки из произведения)

Естественные и технические науки, № 2, 2013 Мухамедиева Д.Т., доктор технических наук, ведущий научный сотрудник Центра разработки программных продуктов и аппаратно-программных комплексов при Ташкентском университете информационных технологий, Республика Узбекистан АЛГОРИТМ КЛАСТЕРИЗАЦИИ ПРАВИЛ СИСТЕМ НЕЧЕТКОГО ВЫВОДА Предлагается нейро-нечеткий алгоритм кластеризации систем нечеткого вывода (СНВ). <...> На первом этапе производится кластеризация исходных нечетких параметров с целью сокращения числа входных параметров нечетких правил, а на втором – осуществляется синтез нечетких моделей (правил вывода) типа Сугэно. <...> Ключевые слова: кластеризация, системы нечеткого вывода, параметры нечетких правил, синтез нечетких моделей, модели типа Сугэно. <...> CLUSTERING ALGORITHM RULES FUZZY INFERENCE SYSTEMS Offered neuro – fuzzy clustering algorithm fuzzy inference systems (FIS). <...> The first step is the initial fuzzy clustering parameters in order to reduce the number of input parameters of fuzzy rules, and the second – the synthesis of fuzzy models (rules of inference) Sugeno type. <...> Keywords: clustering, fuzzy inference systems, fuzzy rules parameters, fuzzy models synthesis, Sugeno type models. <...> Введение Одним из перспективных подходов к формированию нечетких правил и настройки значений их параметров, в особенности, когда в наличии имеются только численные данные, являются нечеткие нейронные сети (fuzzy-neural) [2]. <...> При всех достоинствах основным их недостатком является длительность построения базы нечетких правил в процессе итеративного обучения нейронных сетей. <...> Поэтому является целесообразным исследования возможности объединения методов классификации и кластеризации с нейросетевыми методами. <...> может быть описано, например, полиjn номом вида  x bx jm. . j n ,  n , 1, ____ Естественные и технические науки, № 2, 2013 В модели (1) входные переменные оцениваются нечеткими термами jpia ,  () lj i x 1 Здесь ll ,jj 1    xc s  l jj il j cs – параметры ФП, j – номер правила, la – индекс терма.  переменных 0 ij <...>