Neuro-sumeat järjestelmät
Neuro-sumeat järjestelmät tai sumeat hermoverkot ovat tekoälyn alalta peräisin olevia järjestelmiä , ehdotti J. S. R. Chang, jotka yhdistävät keinotekoisten hermoverkkojen menetelmät ja sumeaan logiikkaan perustuvat järjestelmät . Neuro-sumeat järjestelmät ovat tulosta yrityksestä luoda hybridi älykäs järjestelmä , joka antaisi synergistisen vaikutuksen näistä kahdesta lähestymistavasta yhdistämällä sumeiden järjestelmien ihmismäisen päättelytavan oppimiseen ja hermoverkkojen konnektionistiseen rakenteeseen. Neuro-sumeiden järjestelmien tärkein vahvuus on, että ne ovat universaaleja approksimaattoreita , joilla on kyky kysyä tulkittavia JOS-SIIN -sääntöjä.
Neuro-sumeiden järjestelmien etuun liittyy kaksi ristiriitaista sumean mallinnuksen tarvetta: tulkittavuus ja tarkkuus. Käytännössä yksi niistä on aina vallitseva. Neuro-sumeat järjestelmät sumean mallinnuksen tutkimuskentässä on jaettu kahteen vyöhykkeeseen:
- kielellinen sumea mallinnus, joka keskittyy tulkittavuuteen, pääasiassa Mamdani-mallissa ;
- tarkka sumea mallinnus, joka keskittyy tarkkuuteen, pääasiassa Takagi-Sugeno-Kanga (TSK) -mallissa.
Kirjallisuus
- Abraham A., "Sumean päättelyjärjestelmän mukauttaminen hermooppimisen avulla, sumea järjestelmätekniikka: teoria ja käytäntö", Nadia Nedjah et al. (Toim.), Studies in Fuzziness and Soft Computing , Springer Verlag, Saksa, ISBN 3-540-25322-X , luku 3, s. 53-83, 2005. tiedot julkaisijan sivustolla .
- Ang, KK ja Quek, C. (2005). "RSPOP: Rough Set-Based Pseudo Outer-Product Fuzzy Rule Identification Algorithm". Neural Computation , 17(1), 205-243.
- Kosko, Bart (1992). Neuraaliverkot ja sumeat järjestelmät: dynaaminen järjestelmälähestymistapa koneälyyn . Englewood Cliffs, NJ: Prentice Hall. ISBN 0-13-611435-0 .
- Lin, C.-T. ja Lee, CSG (1996). Sumeat hermojärjestelmät: Neuro-sumea synergismi älykkäille järjestelmille . Upper Saddle River, NJ: Prentice Hall.
- A. Bastian, J. Gasós (1996): "Syötemuuttujien valinta staattisten epälineaaristen järjestelmien mallitunnistukseen", Journal of Intelligent and Robotic Systems, Voi. 16, s. 185-207.
- Quek, C., & Zhou, RW (2001). "POP-oppimisalgoritmit: vähentää työtä sumeiden sääntöjen tunnistamisessa." Neural Networks , 14(10), 1431-1445.
Linkit