Рекомендуем

Автоматизированный анализ деятельности предприятия с использованием семантических сетейКаширин И.Ю., Крошилин А.В., Крошилина С.В. Автоматизированный анализ деятельности предприятия с использованием семантических сетей
Методы и технологии искусственного интеллектаРутковский Лешек Методы и технологии искусственного интеллекта
Проектирование нечетких систем средствами MatlabШтовба С.Д. Проектирование нечетких систем средствами Matlab

Книга

Основы гибридизации нечетких моделей

Учебное пособие для вузов
Серия «Основы нечеткой математики». Вып. 9.
2017 г.
100 стр.
Тираж 500 экз.
Формат 60х90/16 (145x215 мм)
Исполнение: в мягкой обложке
ISBN 978-5-9912-0595-5
ББК 22.12
УДК 511.1
Аннотация

Описаны области применения и приведена классификация нечетких моделей. Выполнено сопоставление основных интеллектуальных технологий в задачах поддержки принятия решений: нечетких, нейросетевых, эволюционного моделирования. Рассмотрены методы гибридизации интеллектуальных технологий. Описан подход к реализации методов гибридизации интеллектуальных технологий, позволяющий систематизировать существующие гибридные модели, а также предоставляющий конструктивные возможности для синтеза новых гибридных моделей в задачах поддержки принятия решений. Особое внимание уделено применению метода гибридизации с функциональным замещением для нечетких и нейросетевых моделей. Подробно описаны два класса гибридных моделей: во-первых, нечеткие нейронные продукционные модели, во-вторых, нейронные нечеткие модели.

Для студентов, обучающихся по направлению подготовки «Информатика и вычислительная техника», будет полезно для специалистов, занимающихся анализом и моделированием сложных систем и процессов в условиях неопределенности, созданием и использованием интеллектуальных информационных систем и технологий.

Оглавление

Введение

1. Области применения и классификация нечетких моделей
1.1. Области применения нечеткого моделирования
1.2. Классификация нечетких моделей

2. Методы гибридизации интеллектуальных технологий (моделей)

3. Нечеткие нейронные продукционные модели
3.1. Классификация нечетких нейронных продукционных моделей
3.2. Нечеткие нейронные продукционные модели с параметрической оптимизацией правил на основе алгоритмов обучения нейронных сетей
3.2.1. Нечеткие нейронные продукционные модели типа ANFIS
3.2.2. Нечеткая нейронная продукционная модель Ванга–Менделя
3.2.3. Нечеткая нейронная продукционная модель Такаги–Сугэно–Канга
3.3. Формирование функций принадлежности предпосылок и заключений нечетких продукционных правил с использованием компонентов нейросетевых моделей
3.4. Формирование предпосылок нечетких продукционных правил на основе компонентов нейросетевых моделей
3.5. Формирование заключений нечетких продукционных правил на основе компонентов нейросетевых моделей
3.6. Разбиение пространств входных переменных и формирование многомерных функций принадлежности предпосылок с использованием нейронных сетей

4. Нейронные нечеткие модели
4.1. Классификация нейронных нечетких моделей
4.2. Нейронные нечеткие сети с «размыванием» входных данных и с введением нечеткости в структуру нейронных сетей
4.3. Нейронные нечеткие сети на основе нейронов с нечеткими входами, весами и выходами
4.4. Нейронные нечеткие сети с нечетким процессом активизации
4.5. Нейронные нечеткие сети на основе нейронов, реализующих операции над нечеткими множествами и отношениями
4.5.1. Нейроны, реализующие операции над нечеткими множествами и отношениями
4.5.2. Нейро-нечеткие классификаторы
4.5.3. Нейронные нечеткие сети для деревьев классификации
4.5.4. Нейронные нечеткие сети для реализации композиционных правил вывода
4.5.5. Нейронные нечеткие сети для извлечения нечетких правил из данных
4.5.6. Нейронные сети с использованием нечетких продукционных моделей для настройки параметров

Упражнения

Перечень основных понятий и терминов

Литература