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
|
Основные задачи создания базы нечетких продукционных правил. Обеспечение полноты и непротиворечивости базы нечетких правил
Основные задачи создания базы нечетких продукционных правил: 1)Сформировать простые нечеткие высказывания в предпосылках и заключениях правил; 2)Сформировать составные нечеткие высказывания в предпосылках и заключениях правил; 3)Выбрать тип нечетких продукционных правил; 4)Задать структуру базы нечетких правил; 5)Обеспечить полноту и непротиворечивость правил в базе. Обеспечение полноты и непротиворечивости базы нечетких правил. Существует 2 способа построения базы правил: 1. Базу правил создает сам эксперт с уверенностью, что он прав. 2. Нечеткая сеть используется как универсальный аппроксиматор, тогда, как правило, существует база примеров следующего вида: (), . Т.е. вначале создается некая база на основе эвристик, и потом при помощи примеров она редактируется и обеспечиваются эти свойства. Этап 1. Разбиваем пространство входных и выходных переменных. Переменная х1: Рассмотрим переменную х2 Выходная переменная Y Этап 2. Задаем начальную базу правил. Можно предложить 2 варианта: a. Мы формируем правила на основе всех возможных сочетаний предпосылок. … В итоге получим 60 правил. Этот подход целесообразен, когда количество переменных и количество их описаний мало. b. Каждому примеру обучающей выборки сопоставляется отдельное правило, т.е. для каждого примера определяются степени принадлежности к соответствующим нечетким моделям. ==> Этот подход целесообразно использовать при сравнительно небольшом количестве примеров. Этап 3. Определение рейтингов правил. Цель – ликвидация противоречивости. Здесь тоже существует несколько подходов: экспертный и экспериментальный. На данном этапе все примеры обучающей выборки предъявляются каждому правилу, и в соответствии с этим определяется его рейтинг.
Этап 4. Выполняется сокращение числа правил. После подсчета рейтингов из базы исключаются правила: · Имеющие наименьший рейтинг ri; · Противоречащие друг другу – имеющие одинаковые предпосылки и разные заключения. Этап 5. Выполняется адаптация параметров, оставшихся в базе правил. Суть этого этапа заключается в таком изменении параметров функции принадлежности, при которых обеспечивается максимум активности по всем примерам. Date: 2015-08-24; view: 704; Нарушение авторских прав |