Интеллектуальный анализ временных рядов. Ярушкина Н.Г - 266 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

266
ляются нечеткие значения. Таким образом, будут отсутствовать слои фаззифи-
кации и дефаззификации, что сохранит от изменения первоначальных знаний в
виде экспертных оценок.
Введем классические нечеткие нейроны, в которых операции 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 записям:
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. Так веса в И-нейроне –
это нечеткая переменная, выражающая
степень невлияния:
–
при w
1
=0: )),(,()),(),0,((
221221
wxSxTwxSxST
– вход x
1
влияет на ре-
зультат правила;
–
при w
1
=1: ),()),(,1()),(),1,((
2222221
wxSwxSTwxSxST
– вход x
1
не
влияет
на результат правила.
А вес в ИЛИ-нейроне –
это нечеткая переменная, выражающая степень
влияния:
–
при z
1
=0: ),()),(,0()),(),0,((
2222221
zTzTSzTTS
– правило
1
не
влияет
на результат;
–
при z
1
=1: )),(,()),(),1,((
221221
zTSzTTS
– правило
1
влияет на
результат.
На основе таких нейронов можно построить сеть логического вывода по
Мамдани для нахождения нечеткой тенденции, добавив в R
2
весовые коэффи-

Страницы