Підвищення адекватності нечітких моделей за рахунок використання нечітких множин типу 2

Розглянуто інформаційний підхід до нечіткого моделювання. Розроблено формальний підхід, який дає можливість аналізувати нечіткі системи стосовно здатності якісно описувати невизначеності вхідної інформації за допомогою інтервальних функцій належності та вводити інформаційний критерій якості функціонування нечітких моделей з використанням інтервальних функцій належності і підвищувати адекватність подання предметної області розробленою нечіткою моделлю. Запропонований інформаційний критерій якості є цільовою функцією, яка побудована з використанням інтервальних функцій належності другого порядку. Введена цільова функція оптимізує кількість взаємної інформації, що відображається із входів нечіткої моделі на її виходи. Наведено методику побудови нечітких моделей типу 2, що є оптимальними за цим критерієм, та алгоритм, за допомогою якого в рамках цієї методики будується інтервальна нечітка модель з експериментальних даних та здійснюється перехід від звичайних до інтервальних функцій належності. Показано приклад розрахунків оцінки ентропії на виході нечіткої моделі.

Рік видання: 
2014
Номер: 
6
УДК: 
004.8
С. 56–61.Іл. 5. Бібліогр.: 9 назв.
Література: 

1. L.A. Zadeh, “Fuzzy sets as a basis for theory of possibility”, Fuzzy sets and systems 100 suplements, vol. 100, pp. 9—34, 1999.
2. J.M. Mendel and R.I. John, “Lui Interval Type-2 fuzzy logic systems: theory and design”, IEEE Transactions on Fuzzy Sys., vol. 8, pp. 535—550, 2000.
3. Зайченко Ю.П. Нечеткие модели и методы в интеллектуальных системах. — К.: ИД “Слово”, 2008. — 344 с.
4. Борисов А.Н. Принятие решений на основе нечетких моделей. Примеры использования. — М.: Мир, 1976. — 168 с.
5. Ротштейн А.П. Интеллектуальные технологии идентификации: нечеткие множества, генетические алгоритмы, нейронные сети. — Винница: УНИВЕРСУМВінниця, 1999. — 320 с.
6. Кондратенко Н.Р., Зелінська Н.Б., Куземко С.М. Діагностика гіпотиреозу на основі нечіткої логіки з використанням інтервальних функцій належності // Наук. вісті НТУУ “КПІ”. — 2003. — № 4. — С. 52—58.
7. Кондратенко Н.Р., Зелінська Н.Б., Куземко С.М. Нечіткі логічні системи з врахуванням пропусків в експериментальних даних // Наук. вісті НТУУ “КПІ”. — 2004. — № 5. — С. 37—41.
8. Ягер Р. Нечеткие множества и теория возможностей. — М.: Радио и связь, 1986. — 392 с.
9. R. Linsker, “How to generate ordered maps by maximizing the mutual information between input and output signal”, Neural computation, vol. 1, pp. 402—411, 1989.

Список літератури у транслітерації: 

1. L.A. Zadeh, “Fuzzy sets as a basis for theory of possi¬bility”, Fuzzy sets and systems 100 suplements, vol. 100, pp. 9–34, 1999.
2. J.M. Mendel and R.I. John, “Lui Interval Type-2 fuzzy logic systems: theory and design”, IEEE Transactions on Fuzzy Sys., vol. 8, pp. 535–550, 2000.
3. Zaĭchenko I͡U.P. Nechetkie modeli i metody v intellektual'nykh sistemakh. – K.: ID “Slovo”, 2008. – 344 s.
4. Borisov A.N. Prini͡atie resheniĭ na osnove nechetkikh modeleĭ. Primery ispol'zovanii͡a. – M.: Mir, 1976. – 168 s.
5. Rotshteĭn A.P. Intellektual'nye tekhnologii identifikat͡sii: nechetkie mnozhestva, geneticheskie algoritmy, neĭronnye seti. – Vinnit͡sa: UNIVERSUM-Vіnnit͡si͡a, 1999. – 320 s.
6. Kondratenko N.R., Zelins′ka N.B., Kuzemko S.M. Diahnostyka hipotyreozu na osnovi nechitkoï lohiky z vykorystanni͡am interval′nykh funkt͡siĭ nalez͡hnosti // Nauk. visti NTUU “KPI”. – 2003. – # 4. – S. 52–58.
7. Kondratenko N.R., Zelins′ka N.B., Kuzemko S.M. Nechitki lohichni systemy z vrakhuvanni͡am propuskiv v eksperymental′nykh danykh // Nauk. visti NTUU “KPI”. – 2004. – # 5. – S. 37–41.
8. I͡Ager R. Nechetkie mnozhestva i teorii͡a vozmozhnosteĭ. – M.: Radio i svi͡az', 1986. – 392 s.
9. R. Linsker, “How to generate ordered maps by maxi¬mizing the mutual information between input and output signal”, Neural computation, vol. 1, pp. 402–411, 1989.

Текст статтіРозмір
2014-6-07.pdf305.14 КБ