Интеллектуальный анализ временных рядов. Ярушкина Н.Г - 229 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

229
Для этого используем классические нечеткие нейроны, в которых опера-
ции сложения и умножения заменяются триангулярными нормами:
–
И-нейрон
)),(),,((
2211
wxSwxST
: импликация предпосылок правила;
–
ИЛИ-нейрон
)),(),,((
2211
zTzTS
: агрегация правил.
Интерпретация
этого в лингвистической форме приводит к высказываниям:
Если
(x
1
или w
1
) и (x
2
или w
2
), то
,
Если
(
1
и z
1
) или (
2
и z
2
), то
.
Веса w и z можно рассматривать как степени влияния соответствующего
входа на выход.
На основе таких нейронов можно построить сеть логического вывода по
Мамдани для нахождения нечеткой тенденции. Каждому виду производной НТ
соответствует своя сеть. ННС состоит из двух слоев (если считать за слой ней-
роны): слой конъюнкции нечетких входов
и слой дизъюнкции правил. Форма-
лизованно такую сеть можно выразить следующим образом:
)],(['
1
jj
r
j
zT
S
,
)]],([[
,,
11
kij
i
kt
l
k
p
i
j
wS
TT
,
где
'
– значение, рассчитанное для некоторого вида тенденции
;
T
– оператор конъюнкции;
S
– оператор дизъюнкции;
r
– количество правил;
l,
p – параметры модели нечеткой тенденции.
Основная
идея обучения ННС состоит в итерационной процедуре оп-
тимизации весов (z
j
, w
j,i,k
) и устранении незначимых связей (сокращении се-
ти), в результате которого формируется необходимый состав и количество
правил.

Страницы