Способи навчання нечіткої нейронної системи

Опубликовано: 10.01.2019

На головну

1. Підготовка навчальних даних: вони повинні бути розділені на підмножини, що утворюють репрезентативні класи. Навчання здійснюється за алгоритмом зворотного поширення помилки і проводиться окремо для мережі, що реалізують умови правил, і для мережі, що реалізує ув'язнення.

2. Підготовка множин навчальних даних у вигляді пар , D (t)

3. Поділ простору вхідних змінних на N класів Rk, де k = 1,2, ..., N. В результаті формується N підмножин навчальної вибірки , D (t). Поділ n-мірного простору на N областей рівнозначно тому, що в системі виведення будуть використовуватися N нечітких правил.

Calling All Cars: The Blonde Paper Hanger / The Abandoned Bricks / The Swollen Face

4. Навчання нейронної мережі SNklas поділу навчальних даних на області. Таке навчання є тотожним визначенню багатовимірних функцій приналежності кількох змінних в умовах правил. Якщо на вхід мережі надходить значення i, то еталонні сигнали подаються у вихідний шар за наступним правилом

5. d ( k ) = {

Таким чином, задається область, до якої належить точка i.

По завершенню навчання мережу SNklas набуває здатності виводити ступінь приналежності кожної навчальної вибірки до області Rk. Іншими словами. вихідні сигнали мережі d(k) визначають ступінь приналежності вхідних даних до відповідних областей.

6. Навчання нейронних мереж SNk реалізації висновків. Навчальні дані, що відповідають класу R(k) ( , D (t)) подаються на вхід і вихід мережі SNk. .Ця мережа буде реалізовувати укладення для правила R(k) .

література

1. Осовский С. Нейронні мережі для обробки інформації / Пер. з польського І. Д. Рудницького. М .: Фінанси і статистика, 2002.-344с.