×

基于MICOG去模糊的非线性建模和分类。 (英语) Zbl 1238.68160号

小结:我们研究了用各种推理方法对神经模糊体系结构进行的MICOG(修改的索引重心)去模糊化。事实证明,MICOG去模糊化可以与Mamdani型推理以及选定的S和Q模糊蕴涵结合使用。研究还表明,如果我们需要可解释的规则,那么MICOG解模糊不能与(R)模糊含义一起使用。实验证实了我们的理论结果。

MSC公司:

68层37 人工智能背景下的不确定性推理
62层86 参数推理与模糊

软件:

PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Lee,K.M。;Kwang,D.H.,用于模糊推理和规则调整的模糊神经网络模型,国际不确定性、模糊性和基于知识的系统杂志,2,3,265-277(1994)·Zbl 1232.68103号
[2] Lin,C.T。;Lee,G.C.S.,基于神经网络的模糊逻辑控制和决策系统,IEEE计算机汇刊,40,121320-1336(1991)·Zbl 1395.93324号
[3] 诺克·D。;Klawonn,F。;Kruse,R.,《神经模糊系统基础》(1997),威利
[4] Nowicki,R.,基于单调模糊含义的神经模糊体系结构中的粗糙集,(Rutkowski,L.;Siekmann,J.;Tadeusewicz,R.;Zadeh,L.A.,人工智能和软计算ICAISC 2004。人工智能和软计算——ICAISC 2004,《人工智能讲义》,第3070卷(2004),斯普林格·弗拉格:柏林斯普林格尔·弗拉格,海德堡),510-517·Zbl 1058.68588号
[5] Nowicki,R.,《基于非单调模糊含义的神经模糊体系结构中的粗糙集》,(Rutkowski,L.;Siekmann,J.;Tadeusiewicz,R.;Zadeh,L.A.,《人工智能和软计算-ICAISC 2004》。人工智能和软计算——ICAISC 2004,《人工智能课堂讲稿》,第3070卷(2004),斯普林格·弗拉格:柏林斯普林格尔·弗拉格,海德堡),518-525·Zbl 1058.68589号
[6] D.Rutkowska,R.Nowicki,《新的神经模糊架构》,摘自:Proc。工程和工业应用中用于决策、控制和自动化的人工和计算智能国际会议,AcIDcA’2000,智能方法,突尼斯莫纳斯提尔,2000年3月,第82-87页;D.Rutkowska,R.Nowicki,《新的神经模糊架构》,摘自:Proc。工程和工业应用中用于决策、控制和自动化的人工和计算智能国际会议,AcIDcA’2000,智能方法,突尼斯莫纳斯提尔,2000年3月,第82-87页·Zbl 0972.68134号
[7] Rutkowska,D。;Nowicki,R.,基于含义的神经模糊架构,国际应用数学和计算机科学杂志,4675-701(2000)·Zbl 0972.68134号
[8] D.Rutkowska、R.Nowicki、L.Rutkoowski,《具有各种隐含运算符的神经模糊体系结构》,载于:《计算智能过程的最新进展》。实习生。计算智能研讨会,ISCI 2000,Kosice,2000,第214-219页;D.Rutkowska、R.Nowicki、L.Rutkoowski,《具有各种隐含运算符的神经模糊体系结构》,载于:《计算智能过程的最新进展》。实习生。计算智能研讨会,ISCI 2000,Kosice,2000,pp.214-219·Zbl 1051.68556号
[9] Rutkowski,L.,系统建模、模式分类和图像处理的新软计算技术(2004),施普林格:施普林格-海德堡·Zbl 1054.68127号
[10] Rutkowski,L。;Cpałka,K.,《柔性神经模糊系统》,IEEE神经网络汇刊,5月,554-574(2003)
[11] Rutkowski,L。;Cpałka,K.,可调拟三角形范数的设计和学习及其在神经模糊系统中的应用,IEEE模糊系统汇刊,13,1,140-151(2005)
[12] Patel,A.V。;Mohan,B.M.,区域中心去模糊方法的一些数值方面,模糊集与系统,132,401-409(2002)·Zbl 1010.93523号
[13] Van Broekhoven,E。;De Beats,B.,《快速消除梯形模糊划分上定义的模糊系统输出的精确重心模糊化》,模糊集与系统,157904-918(2006)·Zbl 1090.93027号
[14] Wang,L.X.,自适应模糊系统和控制(1994),PTR Prentice Hall:PTR Preentice Hall Englewood Cliffs
[15] K.Cpałka,L.Rutkowski,设计和简化神经模糊系统的新方法,收录于:Proc。2006年IEEE模糊系统国际会议,IEEE计算智能世界大会,加拿大不列颠哥伦比亚省温哥华,2006年,第8510-8516页;K.Cpałka,L.Rutkowski,设计和简化神经模糊系统的新方法,收录于:Proc。2006年IEEE模糊系统国际会议,IEEE世界计算智能大会,加拿大不列颠哥伦比亚省温哥华,2006年,第8510-8516页
[16] Czogała,E。;Łȩski,J.,模糊和神经模糊智能系统(2000),Physica Verlag,A Springer Verlag公司:Physica Verlag,A Springer Verlag公司海德堡,纽约·兹比尔0953.68122
[17] Czabaáski,R.,基于确定性退火方法的神经模糊建模,国际应用数学与计算机科学杂志,15,561-576(2005)·Zbl 1107.68080号
[18] 克莱门特,E.P。;梅西亚尔,R。;Pap,E.,《三角规范》(2000年),Kluwer学术出版社:Kluwer-学术出版社Dordrecht·Zbl 0972.0302号
[19] 马萨,M。;蒙塞拉特,M。;托伦斯,J。;Trillas,E.,《模糊蕴涵函数的调查》,IEEE模糊系统汇刊,15,6,1107-1121(2007)
[20] Fodor,J.C.,《关于模糊蕴涵、模糊集和系统》,42,293-300(1991)·Zbl 0736.03006号
[21] C.J.Mertz,P.M.Murphy,UCI机器学习数据库存储库。在线可用:http://www.ics.uci.edu/pub/machine-learning数据库; C.J.Mertz,P.M.Murphy,UCI机器学习数据库存储库。在线可用:http://www.ics.uci.edu/pub/machine-learning数据库
[22] J.W.Grzymala-Busse,《LERS1学习系统概述》,摘自:Proc。第二届人工智能和专家系统工业和工程应用国际会议,1989年,第838-844页;J.W.Grzymala-Busse,《LERS1学习系统概述》,摘自:Proc。第二届人工智能和专家系统工业和工程应用国际会议,1989年,第838-844页
[23] Grzymala-Busse,J.W.,LERS-基于粗糙集的示例学习系统,(Slowinski,R.,《智能决策支持:粗糙集理论的应用和发展手册》(1992),Kluwer:Kluwer-Dordrecht),3-18
[24] D.Rutkowska,R.Nowicki,L.Rutkoowski,基于Zadeh蕴涵推理过程的神经模糊系统,载于:ird国际并行处理与应用数学会议,PPAM’99,Kazimierz Dolny,1999,第597-602页;D.Rutkowska,R.Nowicki,L.Rutkoowski,基于Zadeh蕴涵推理过程的神经模糊系统,载于:ird国际并行处理与应用数学会议,PPAM’99,Kazimierz Dolny,1999,第597-602页
[25] Bishop,C.M.,《模式识别的神经网络》(1995),克拉伦登出版社:牛津克拉伦登出版公司
[26] Van Leekwijck,W。;Kerre,E.E.,《模糊化:标准和分类,模糊集和系统》,108,159-178(1999)·Zbl 0962.93057号
[27] 孟德尔,J.M.,《基于规则的不确定模糊逻辑系统:介绍和新方向》(2001),普伦蒂斯·霍尔PTR:普伦蒂斯霍尔PTR上鞍河,新泽西州·Zbl 0978.03019号
[28] Nowicki,R.,《关于将神经模糊体系结构与粗糙集理论相结合以解决不完整数据的分类问题》,IEEE Trans。知识。数据工程,20,9,1239-1253(2008)
[29] Zadeh,L.A.,语言变量的概念及其在近似推理中的应用,信息科学,第1-3、8、199-249部分(1975),(8)301-357;(9) 43-80 ·Zbl 0397.68071号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。