Нечеткая нейронная сеть
Cтраница 1
Нечеткая нейронная сеть - это нейронная сеть с четкими сигналами, весами и активационной функцией, но с объединением х, и и / -, PI и р2 с использованием операций t - нормы, t - конормы или некоторых других непрерывных операций. [1]
 |
Нейронная реализация функции принадлежности. [2] |
Представляемая нечеткая нейронная сеть сможет одновременно формировать нечеткие правила и адаптировать функции принадлежности путем модификации весов связей в процессе обучения и - что самое важное - для этого будет применяться классический алгоритм обратного распространения ошибки. [3]
Сохраним разработанную нечеткую нейронную сеть с именем Probalfis и, для исследования разработанной системы средствами FIS-редактора, из командной строки MATLAB выполним команду Fuzzy, а затем через пункты меню File / Open FIS from disk... [4]
Рассмотрим примеры элементарных нечетких нейронных сетей. [5]
Для пояснения сущности нечетких нейронных сетей, рассмотрим простую нейронную сеть, состоящую из одного нейрона с двумя входами. [6]
 |
Нечеткая нейронная сеть для решения задач классификации. [7] |
Рассмотрим, как с помощью нечеткой нейронной сети может быть решена задача классификации. Каждый вход представляется двумя лингвистическими понятиями, что позволяет ограничиться всего четырьмя правилами. [8]
В качестве управляющих параметров обучения нечетких нейронных сетей, влияющих на качество решения, могут быть выбраны параметры функций принадлежности ( см. разд. [9]
 |
Окно ANFIS-редактора после загрузки обучающей выборки. [10] |
Опция Train Now позволяет начать процесс обучения нечеткой нейронной сети. [11]
Несомненными достоинствами пакета является практически полная автоматизация процесса создания нечеткой нейронной сети, возможность просмотра сформированных правил и придания им лингвистической интерпретации, что позволяет рассматривать аппарат нечетких нейронных сетей как средство извлечения знаний из баз данных и существенно отличает данные сети от классических нейронных. [12]
С помощью данного редактора осуществляется создание или загрузка структуры нечеткой нейронной сети, просмотр структуры, настройка ее параметров, проверка качества функционирования такой сети. [13]
Приведенные выкладки, как представляется, полностью иллюстрируют идеи алгоритмов обучения и использования нечеткой нейронной сети. [14]
Несомненными достоинствами пакета является практически полная автоматизация процесса создания нечеткой нейронной сети, возможность просмотра сформированных правил и придания им лингвистической интерпретации, что позволяет рассматривать аппарат нечетких нейронных сетей как средство извлечения знаний из баз данных и существенно отличает данные сети от классических нейронных. [15]
Страницы: 1 2