Metody neuronowo-rozmyte
Metody rzeczywiste (zaimplementowane i przetestowane) bazujące na metodach neuronoworozmytych:
Ekspertowy system rozmyty – 4 moduły (fuzzyfikator odpowiedzialny za rozmywanie
danych wejściowych tj za odwzorowanie ich wartości w zbiory liczb z przedziału 0-1,
baza wiedzy zawierająca reguły rozmyte w postaci if cos then cos, logika decyzyjna
określa wartośc zmiennych wyjściowych na podstawie zmiennych wejściowych
korzystając z reguł zgromadzonych w bazie danych, defuzzyfikator ma za zadanie
wygenerować na podstawie zmiennych rozmytych dyskretna wartość lub wartości
liczbowe stanowiące wynik klasyfikacji)
System neuronowo-rozmyty ANFIS – składa się z 3-warstwowej sieci neuronowej
typy „feedforward”. Pierwsza warstwa realizuje fuzzyfikację danych wejściowych
poprzez obliczanie wartości funkcji przynależności do poszczególnych zbiorów
rozmytych. Warstwa druga (ukryta) ma za zadanie obliczenie wartości reguł
rozmytych i generowanie wartości zmiennych wyjściowych na ich podstawie. W
trzeciej warstwie zmienne te zostają poddane defuzzyfikacji – wybierany jest ten typ
dna na którego wyjściu pojawi się największa wartość.
Wielostopniowy klasyfikator neuronowo-rozmyty – dwie wersje systemu:
o IFNN incremental fuzzy neural network – szeregowo połączone moduły z
których każdy dokonuje klasyfikacji na podstawie jednego parametru
wejściowego. Wyjście z modułu oraz następny parametr wchodzą do
kolejnego modułu który na podstawie nowych informacji oraz poprzedniej
klasyfikacji dokonuje weryfikacji. I tak aż do ostatniego modułu. Pojedynczy
moduł to system SUGENO
o AFNN aggregated fuzzy neural network – dane wejściowe podawane są
równolegle każda do swojego modułu i dla każdej z nich dokonuje się osobnej
klasyfikacji. Następnie wyniki poszczególnych klasyfokacji podawane są na
pojedynczy końcowy moduł który dokonuje ostatecznej klasyfikacji.
Pojedynczy moduł to też SUGENO.
... zobacz całą notatkę
Komentarze użytkowników (0)