Preview

Informatics

Advanced search

ПОСТРОЕНИЕ НЕЧЕТКОЙ НЕЙРОСЕТЕВОЙ МОДЕЛИ ДЛЯ РЕШЕНИЯ ЗАДАЧ КЛАССИФИКАЦИИ

Abstract

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.

For citations:


  . Informatics. 2006;(3(11)):5-14. (In Russ.)

Views: 586


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 License.


ISSN 1816-0301 (Print)
ISSN 2617-6963 (Online)