ANFIS: различия между версиями
Перейти к навигации
Перейти к поиску
Содержимое удалено Содержимое добавлено
Создано переводом страницы «Adaptive neuro fuzzy inference system» |
(нет различий)
|
Версия от 20:13, 2 марта 2016
В адаптивной нейро-нечеткой системы вывода, или адаптивной сети на основе системы нечеткого вывода (АСНЛ) вид искусственной нейронной сети , основанный на Такаги–сугено вывода системы. Метод был разработан в начале 1990-х годов.[1][2] , поскольку он интегрирует оба нейронных сетей и нечеткой логики принципы, у него есть потенциал, чтобы получить преимущества обоих в одной рамки. Ее вывод системы соответствует набор нечетких правил " если–то , которые имеют способность к обучению аппроксимировать нелинейные функции.[3] следовательно, АСНЛ считается универсальным сметчик.[4] с использованием АСНЛ более эффективным и оптимальным способом, можно использовать наилучшие параметры получены с помощью генетического алгоритма.[5]
References
- ↑ Jang, Jyh-Shing R (1991). Fuzzy Modeling Using Generalized Neural Networks and Kalman Filter Algorithm (PDF). Proceedings of the 9th National Conference on Artificial Intelligence, Anaheim, CA, USA, July 14–19. Vol. 2. pp. 762—767.
- ↑ Jang, J.-S.R. (1993). "ANFIS: adaptive-network-based fuzzy inference system". IEEE Transactions on Systems, Man and Cybernetics. 23 (3). doi:10.1109/21.256541.
- ↑ Abraham, A. (2005), "Adaptation of Fuzzy Inference System Using Neural Learning", in Nedjah, Nadia; de Macedo Mourelle, Luiza (eds.), Fuzzy Systems Engineering: Theory and Practice, Studies in Fuzziness and Soft Computing, vol. 181, Germany: Springer Verlag, pp. 53—83, doi:10.1007/11339366_3
- ↑ Jang, Sun, Mizutani (1997) – Neuro-Fuzzy and Soft Computing – Prentice Hall, pp 335–368, ISBN 0-13-261066-3
- ↑ Tahmasebi, P. (2012). "A hybrid neural networks-fuzzy logic-genetic algorithm for grade estimation" (PDF). Computers & Geosciences. 42: 18—27.