Составители:
Рубрика:
114
1
1,
c
ik
i
1 2
3
где l = 0, 1, 2...; i = 1, 2,..., с; k – k"й вход;
– вычисляются центры нечетких кластеров v
i
:
1
1
()
,
()
c
m
ik k
k
i
n
ik
k
X
v
1
2
1
3
3
1 £ i £ c;
– матрица U
(l)
изменяется следующим образом:
если
1
2( 1)
0 для всех 1 , то ( ) ,
m
ik k i ik jk
dXv ic dd
1 2
345 66
78
9
в противном случае
0 и 1
ik ik
12 12
3
;
– если
() ) 1)ll
UU1 окажется больше некоторого порога, необхо"
димо вернуться к шагу 3; в противном случае алгоритм завершается.
Приведенный алгоритм вначале вычисляет центры каждого клас"
тера (шаг 3). Затем определяется расстояние между каждым X
k
и
центром кластера. В случае, если это расстояние отлично от нуля,
изменяется параметр m
ik
(шаг 4). Если X
k
и v
i
оказываются равными,
то m
ik
имеет нулевое значение, а степень принадлежности данных,
характеризуемых вектором X
k
, распределяется среди других m
ik
. На
последнем шаге осуществляется проверка сходимости матрицы U.
Если матрица не происходит, то процесс повторяется.
При повторении процесса вычисляется S(c) и сравнивается с S(c+1).
В случае, если S(c) оказывается больше S(c+1), то с увеличивается на
единицу, и процесс повторяется, начиная с шага 2. В противном случае
S(c+1) достигает локального минимума, и процесс завершается.
2.9. Нейро@нечеткие системы
Гибридизация нейронных сетей с нечеткой логикой позволяет су"
щественно повысить эффективность работы таких нейро"нечетких
систем за счет того, что недостатки, присущие одной из технологий,
компенсируются преимуществами другой. В частности, ИНС хоро"
шо распознают образы, но процесс работы обученной сети сложен
для понимания. В то же время системы НЛ хорошо объясняют выво"
Страницы
- « первая
- ‹ предыдущая
- …
- 112
- 113
- 114
- 115
- 116
- …
- следующая ›
- последняя »
