Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 635043)
Контекстум
Руконтекст антиплагиат система
Естественные и технические науки  / №3 2013

АЛГОРИТМ СИНТЕЗА СИСТЕМ НЕЧЕТКОГО ВЫВОДА И НЕЙРОННЫХ СЕТЕЙ (100,00 руб.)

0   0
Первый авторМингликулов
Страниц3
ID498045
АннотацияПредлагается алгоритм синтеза систем нечеткого вывода, выход которого представляется в виде нелинейной зависимости и нейронных сетей. Он служит для достижения эффективных результатов
Мингликулов, З.Б. АЛГОРИТМ СИНТЕЗА СИСТЕМ НЕЧЕТКОГО ВЫВОДА И НЕЙРОННЫХ СЕТЕЙ / З.Б. Мингликулов // Естественные и технические науки .— 2013 .— №3 .— С. 300-302 .— URL: https://rucont.ru/efd/498045 (дата обращения: 04.05.2024)

Предпросмотр (выдержки из произведения)

Естественные и технические науки, № 3, 2013 Мингликулов З.Б., старший научный сотрудник Ташкентского университета информационных технологий (Республика Узбекистан) АЛГОРИТМ СИНТЕЗА СИСТЕМ НЕЧЕТКОГО ВЫВОДА И НЕЙРОННЫХ СЕТЕЙ Предлагается алгоритм синтеза систем нечеткого вывода, выход которого представляется в виде нелинейной зависимости и нейронных сетей. <...> Ключевые слова: системы нечеткого вывода, нелинейная зависимость, нейронные сети, алгоритм синтеза систем нечеткого вывода. <...> SYNTHESIS ALGORITHM OF FUZZY INFERENCE SYSTEMS AND NEURAL NETWORKS Propose an algorithm for the synthesis of fuzzy inference systems, the output of which is represented as a non-linear dependence and neural networks. <...> Keywords: fuzzy inference system, nonlinear dependence, neural networks, algorithm for the synthesis of fuzzy inference systems. ких экспериментальных данных (X y , r M,1 y  y y1, 2 n – мерный – вектор и  – соответствующий ему выходной вектор. <...> Рассмотрим нечёткую модель оценки состояния слабоформализуемого процесса, вывод yr n    . <...> Приведённые модели могут быть обучены с помощью нейронных сетей. <...> Настраиваемыми параметрами функции принадлежности выступают параметры «b» и «c » и также веса «w» правил [4]. <...> Задачи построения нейронечётких моделей: параметрической идентификации, оценки, классификации, кластеризации и прогнозирования можно представить в виде нечеткой многокритериальной задачи оптимизации с четырьмя целевыми функциями [2,3]. <...> Задача нечеткой многокритериальной оптимизации с нечеткой целью предполагает нахождение аргументов x в выражении  k где: g k ~ – нечеткое множество. <...> Введем понятие улучшаемости решения y X по критерию Парето в нечеткой среде: решение y X называется улучшаемым, если существует решение x X0 , которое улучшает существующее решение у по критерию Парето [3]. <...> С помощью предложенного подхода решена задача создания модели нечеткого логического вывода с использованием нейронных сетей и создано соответствующее программное обеспечение [5]. <...> Заключение Вычислительный эксперимент по оценке эффективности предложенного метода <...>