Повышение адекватности нечетких моделей за счет использования нечетких множеств типа 2

Рассмотрен информационный подход к нечеткому моделированию. Разработан формальный подход, который дает возможность анализировать нечеткие системы относительно способности качественно описывать неопределенности входной информации с помощью интервальных функций принадлежности и вводить информационный критерий качества функционирования нечетких моделей с использованием интервальных функций принадлежности, и повышать адекватность представления предметной области разработанной нечеткой моделью. Предложенный информационный критерий качества является целевою функцией, которая построена с использованием интервальных функций принадлежности второго порядка. Целевая функция, которая введена, оптимизирует количество взаимной информации, что отображается с входов нечеткой модели на ее выходы. Приведена методика построения нечетких моделей типа 2, которые являются оптимальными по данному критерию, и алгоритм, с помощью которого в рамках данной методики строится интервальная нечеткая модель на экспериментальных данных и реализуется переход от обычных к интервальным функциям принадлежности. Показан пример расчетов оценки энтропии на выходе нечеткой модели.

Год издания: 
2014
Номер: 
6
УДК: 
004.8
С. 56–61.Іл. 5. Бібліогр.: 9 назв.
Литература: 

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.

Транслитерированый список литературы: 

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.

Полнотекстовый документSize
2014-6-07.pdf305.14 KB