Полезное:
Как сделать разговор полезным и приятным
Как сделать объемную звезду своими руками
Как сделать то, что делать не хочется?
Как сделать погремушку
Как сделать так чтобы женщины сами знакомились с вами
Как сделать идею коммерческой
Как сделать хорошую растяжку ног?
Как сделать наш разум здоровым?
Как сделать, чтобы люди обманывали меньше
Вопрос 4. Как сделать так, чтобы вас уважали и ценили?
Как сделать лучше себе и другим людям
Как сделать свидание интересным?
Категории:
АрхитектураАстрономияБиологияГеографияГеологияИнформатикаИскусствоИсторияКулинарияКультураМаркетингМатематикаМедицинаМенеджментОхрана трудаПравоПроизводствоПсихологияРелигияСоциологияСпортТехникаФизикаФилософияХимияЭкологияЭкономикаЭлектроника
|
Рассмотрим методы второй группы1 Средний центр.
здесь n – число правил в базе правил, arg – это значение аргумента при котором достигается максимум. Данный метод может быть использован для унимодальной функции принадлежности. 2 Нечеткое среднее значение. Используется для модели Такаги – Сугено 0-порядка. , для модели аффинной модели (любого прядка): б) Для модели Такаги-Сугэно в) Модель Цукамото Параметрическая оптимизация конечной базы нечетких продукционных правил. Пусть задана общая выборка следующего вида: k - № примера в обобщающей выборке; К – число обучающих примеров; - значения входных переменных в k-ом примере; - значение выходной переменной в k-ом обучающем примере. Этап 1. Для любого k примера обучающей выборки по входным переменным определяется текущее значение выходной переменной. Этап 2. Вычисление функции ошибки E(k) для всех примеров обучающей выборки: Это ошибка должна стремиться к 0. Этап 3. Корректировка параметров функций принадлежности и нечетких продукционных правил. Здесь могут использоваться градиентные методы настройки с использованием этих методов. ; η – коэффициент, характеризующий обученные нечеткие модели; Так как процесс итерационный, то этот коэффициент стремится к 0. Чтобы достичь этого результата, необходимо изменить параметры. Коррекции подвергаются значения мод. и коэффициенты нечеткости функции принадлежности. Этапы 1-3 итерационно повторяются и процедура настройки считается успешно завершенной, если значение функции ошибки E(k) по всем k значениям обучающей выборки не превысит некоторого заданного порога ε. Вторым критерием остановки процесса настройки может являться непревышение (достижение) средней суммарной погрешности нечеткой модели для всех примеров обучающей выборки.
|