Neuro-fuzzy system
Neuro-fuzzy system eller Fuzzy neurala nätverk är system från området artificiell intelligens , föreslogs av J.S.R. Chang, som kombinerar metoderna för artificiella neurala nätverk och system baserade på fuzzy logik . Neuro-fuzzy system är resultatet av ett försök att skapa ett hybrid intelligent system som skulle ge en synergistisk effekt av dessa två tillvägagångssätt genom att kombinera den mänskliga resonemangsstilen hos fuzzy system med inlärning och den konnektionistiska strukturen hos neurala nätverk. Den främsta styrkan med neurofuzzy system är att de är universella approximatorer med förmågan att fråga efter tolkningsbara OM-DÅ-regler.
Fördelen med neurofuzzy system involverar två motstridiga behov av fuzzy modellering: tolkningsbarhet och noggrannhet. I praktiken råder alltid en av dem. Neuro-fuzzy system inom forskningsområdet fuzzy modellering är indelade i två zoner:
- språklig fuzzy modellering, som fokuserar på tolkningsbarhet, främst i Mamdani-modellen ;
- precis fuzzy modellering, som fokuserar på noggrannhet, främst i Takagi-Sugeno-Kanga (TSK)-modellen.
Litteratur
- Abraham A., "Adaptation of Fuzzy Inference System Using Neural Learning, Fuzzy System Engineering: Theory and Practice", Nadia Nedjah et al. (Eds.), Studies in Fuzziness and Soft Computing , Springer Verlag Germany, ISBN 3-540-25322-X , Chapter 3, pp. 53-83, 2005. information på förlagets webbplats .
- Ang, KK, & Quek, C. (2005). "RSPOP: Rough Set-Based Pseudo Outer-Product Fuzzy Rule Identification Algorithm". Neural Computation , 17(1), 205-243.
- Kosko, Bart (1992). Neurala nätverk och luddiga system: en dynamisk systemmetod för maskinintelligens . Englewood Cliffs, NJ: Prentice Hall. ISBN 0-13-611435-0 .
- Lin, C.-T., & Lee, CSG (1996). Neural Fuzzy Systems: En Neuro-Fuzzy Synergism till intelligenta system . Upper Saddle River, NJ: Prentice Hall.
- A. Bastian, J. Gasós (1996): "Val av indatavariabler för modellidentifiering av statiska olinjära system", Journal of Intelligent and Robotic Systems, Vol. 16, sid. 185-207.
- Quek, C., & Zhou, RW (2001). "POP-inlärningsalgoritmerna: minskar arbetet med att identifiera otydliga regler." Neural Networks , 14(10), 1431-1445.
Länkar