Нейро-мережевий підхід до налаштування структури класифікаційних правил на основі рівнянь нечітких відношень

Автор(и)

  • Ганна Борисівна Ракитянська Вінницький національний технічний університет Хмельницьке шосе 95, м. Вінниця, Україна, 21021, Україна https://orcid.org/0000-0001-5863-3730

DOI:

https://doi.org/10.15587/1729-4061.2015.47124

Ключові слова:

нечіткі відношення, нейро-нечітка мережа оберненого виведення, розв’язання систем рівнянь нечітких відношень

Анотація

Пропонується адаптивний підхід до налаштування структури класифікаційних правил на основі розв’язання рівнянь нечітких відношень, що дозволяє уникнути надлишковості нечіткої бази знань. Суть підходу полягає у побудові та навчанні нейро-нечіткої мережі оберненого виведення, ізоморфної системі рівнянь нечітких відношень, яка дозволяє коригувати нечіткі правила в міру появи нових експериментальних даних.

Біографія автора

Ганна Борисівна Ракитянська, Вінницький національний технічний університет Хмельницьке шосе 95, м. Вінниця, Україна, 21021

Кандидат технічних наук, доцент

Кафедра програмного забезпечення

Посилання

  1. Yager, R., Filev, D. (1994). Essentials of fuzzy modeling and control. New York: John Willey & Sons, 408.
  2. Rotshtein, A. (1999). Intellectual technologies of identification: fuzzy sets, genetic algorithms, neural networks. Vinnitsa: UNIVERSUM-Vinnitsa, 320.
  3. Alcalá, R., Alcalá-Fdez, J., Gacto, M., Herrera, F. (2009). Improving fuzzy logic controllers obtained by experts: a case study in HVAC systems. Applied Intelligence, 31 (1), 15–30. doi:10.1007/s10489-007-0107-6
  4. Dubois, D., Prade, H. (1996). What are fuzzy rules and how to use them. Fuzzy Sets and Systems, 84 (2), 169–189. doi:10.1016/0165-0114(96)00066-8
  5. Gabrys, B., Bargiela, A. (2000). General fuzzy min-max neural network for clustering and classification. IEEE Transactions on Neural Networks, 11 (3), 769–783. doi:10.1109/72.846747
  6. Wang, L., Fu, X. (2005). A simple rule extraction method using a compact RBF neural network. Advances in Neural Networks, 3496, 682–687. doi:10.1007/11427391_109
  7. Cortes, C., Vapnik, V. (1995). Support-vector networks. Machine Learning, 20 (3), 237–297. doi:10.1023/A:1022627411411
  8. Zhang, D., Duan, A., Fan, Y., Wang, Z. (2008). A new approach to division of attribute space for SVR based classification rule extraction. Advances in Neural Networks, 5263, 691–700. doi:10.1007/978-3-540-87732-5_77
  9. Rakytyanska, H. (2015). Fuzzy classification knowledge base construction based on trend rules and inverse inference. Eastern-European Journal Of Enterprise Technologies, 1(3(73)), 25–32. doi:10.15587/1729-4061.2015.36934
  10. Di Nola, A., Sessa, S., Pedrycz, W., Sanchez, E. (1989). Fuzzy relation equations and their applications to knowledge engineering. Dordrecht: Kluwer Academic Press, 278. doi:10.1007/978-94-017-1650-5
  11. Rotshtein, A., Rakytyanska, H. (2012). Fuzzy Evidence in Identification, Forecasting and Diagnosis. Studies in Fuzziness and Soft Computing. Springer Berlin Heidelberg, 314. doi:10.1007/978-3-642-25786-5
  12. Zadeh, L. (1983). A computational approach to fuzzy quantifiers in natural language. Computers and Mathematics with Applications, 9, 149–184. doi:10.1016/0898-1221(83)90013-5
  13. Rotshtein, A., Rakytyanska, H. (2009). Adaptive diagnostic system based on fuzzy relations. Cybernetics and Systems Analysis, 45 (4), 623–637. doi:10.1007/s10559-009-9130-4
  14. Rotshtein, A., Rakytyanska, H.; In: Sarma, R. D. (2011). Fuzzy logic and the least squares method in diagnosis problem solving. Genetic diagnoses. New York: Nova Science Publishers, 53–97.
  15. Bojadziev, G., Bojadziev, M. (1997). Fuzzy logic for business, finance and management. New York: World Scientific Publishing, 252. doi:10.1142/9789812819789_0005

##submission.downloads##

Опубліковано

2015-08-25

Як цитувати

Ракитянська, Г. Б. (2015). Нейро-мережевий підхід до налаштування структури класифікаційних правил на основі рівнянь нечітких відношень. Eastern-European Journal of Enterprise Technologies, 4(2(76), 51–57. https://doi.org/10.15587/1729-4061.2015.47124

Номер

Том 4 № 2(76) (2015): Інформаційні технології. Системи управління в промисловості

Розділ

Системи управління в промисловості

Ліцензія

Авторське право (c) 2015 Ганна Борисівна Ракитянська

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.