ПОСТРОЕНИЕ НЕЧЕТКОЙ НЕЙРОСЕТЕВОЙ МОДЕЛИ ДЛЯ РЕШЕНИЯ ЗАДАЧ КЛАССИФИКАЦИИ
Рассматривается процесс построения нечеткой нейросетевой классифицирующей модели (ННМ) на основе имеющихся числовых значений признаков. Показано, что интегрирование нейронных сетей и нечетких систем позволяет создавать гибридные модели, которые способны обучаться на данных посредством минимизации со...
Saved in:
| Format: | Article |
|---|---|
| Language: | Russian |
| Published: |
National Academy of Sciences of Belarus, the United Institute of Informatics Problems
2018-12-01
|
| Series: | Informatika |
| Online Access: | https://inf.grid.by/jour/article/view/699 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Рассматривается процесс построения нечеткой нейросетевой классифицирующей модели (ННМ) на основе имеющихся числовых значений признаков. Показано, что интегрирование нейронных сетей и нечетких систем позволяет создавать гибридные модели, которые способны обучаться на данных посредством минимизации соответствующей функции ошибки классификации и одновременно представлять извлекаемые из данных знания в виде набора лингвистических классифицирующих правил. В связи с необходимостью построения ННМ, обладающей достаточной степенью интерпретируемости при сохранении точности классификации, предлагается использовать трехэтапный подход к генерированию набора нечетких классифицирующих правил, которые явным образом представляют знания, содержащиеся в данных. |
|---|---|
| ISSN: | 1816-0301 |