Интеллектуальный анализ временных рядов. Ярушкина Н.Г - 148 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

148
нейронная сеть применяется для анализа временного ряда уровней трафика вы-
числительных сетей.
Нечеткие нейронные сети
Нечеткой нейронной сетью (НС) обычно называют четкую нейросеть, ко-
торая построена на основе многослойной архитектуры с использованием спе-
циальных «И»-, «ИЛИ»-нейронов [Ярушкина, 2004].
Нечеткая нейросеть функционирует стандартным образом на основе чет-
ких действительных чисел
, нечеткой является только интерпретация результатов.
Нечеткие нейронные сети осуществляют выводы на основе аппарата не-
четкой логики, а параметры функций принадлежности настраиваются с исполь-
зованием алгоритмов обучения НС. Поэтому для подбора параметров таких се-
тей применим метод обратного распространения ошибки, изначально предло-
женный для обучения многослойного персептрона. Нечеткая нейронная сеть,
как
правило, состоит из четырех слоев: слоя фазификации входных перемен-
ных, слоя агрегирования значений активации условия, слоя агрегирования не-
четких правил и выходного слоя.
Наибольшее распространение в настоящее время получили архитектуры
нечеткой НС вида ANFIS и TSK. Доказано, что такие сети являются универ-
сальными аппроксиматорами. Быстрые алгоритмы обучения и интерпретируе-
мость накопленных знаний – эти
факторы сделали сегодня нечеткие нейронные
сети одним из самых перспективных и эффективных инструментов мягких вы-
числений. Структуры и методы обучения нечетких нейронных сетей приведены
в работах [Ярушкина, 2004; Борисов и др., 2007; Ковалев, 2007; Батыршин и
др., 2007].
Контрольные вопросы
1. Какие существуют подходы к построению моделей нечеткой линейной
регрессии?

Страницы