Публікація: Еволюційні нейро-фаззі системи в задачах інтелектуального аналізу даних
Завантаження...
Дата
2017
Автори
Назва журналу
ISSN журналу
Назва тома
Видавництво
Анотація
Метою дослідження є розробка еволюційних нейро-фаззі систем і методів їх навчання, які дозволяють в online режимі налаштовувати не лише синаптичні ваги і параметри функцій належності, але й архітектуру системи в цілому.
Виконано огляд і аналіз відомих архітектур нейро-фаззі систем та методів їх навчання. Запропоновано метод гібридного навчання еволюційної багатошарової нейро-фаззі системи, що ґрунтується на системі Ванга–Менделя і який поєднує в собі процеси еволюції архітектури, самонавчання функцій належності і навчання синаптичних ваг, що дозволяє обробляти дані, що надходять послідовно в online режимі. Розроблено методи навчання для налаштування всіх параметрів нейро-фаззі вузлів для покращення апроксимуючих властивостей еволюційних нейро-фаззі систем. Запропоновано методи навчання еволюційних систем на основі МГУА і каскадних систем з використанням в якості вузлів двовходових нейро-фаззі систем Ванга–Менделя і двовходових нео-фаззі вузлів, що дозволяє обробляти дані в умовах коротких навчальних вибірок. Розроблено архітектуру і методи навчання зваженої ANARX-моделі для прогнозування нестаціонарних нелінійних часових рядів. Удосконалено еволюційну нейро-фаззі мережу Кохонена і метод її налаштування для кластеризації даних, що надходять на обробку в послідовному online режимі, в умовах невизначеності щодо кількості кластерів.
The thesis is devoted to development of evolving neuro-fuzzy systems that are able to tune not only their synaptic weights and membership functions parameters, but also their architecture in the online mode.
Known neuro-fuzzy systems architectures and their learning methods are analyzed. The hybrid learning method of evolving multilayer neuro-fuzzy system based on the Wang–Mendel system is proposed. This learning method combines architecture evolving processes, membership functions self-learning and synaptic weights learning. Learning methods for all parameters of the neuro-fuzzy nodes tuning are proposed. These methods improve approximation capabilities of the evolving neuro-fuzzy systems. Learning methods for evolving systems based on the GMDH and the cascade systems are proposed. These systems use two-input Wang–Mendel neuro-fuzzy nodes and two-input neo-fuzzy nodes. The architecture and learning methods for weighted ANARX-model are proposed. The WANARX-system is used for non-stationary nonlinear time series forecasting. The evolving neuro-fuzzy Kohonen network and its learning method are improved. This system can process data in the online mode without prior knowledge about the number of clusters.
Опис
Ключові слова
еволюційні нейро-фаззі системи, інтелектуальний аналіз даних, нео-фаззі нейрон, система Ванга–Менделя, нечітка кластеризація, evolving neuro-fuzzy systems, data mining, neo-fuzzy neuron, Wang–Mendel system, fuzzy clustering
Бібліографічний опис
Бойко О. О. Еволюційні нейро-фаззі системи в задачах інтелектуального аналізу даних : автореф. дис. ... канд. техн. наук : 05.13.23 "Системи та засоби штучного інтелекту" / О. О. Бойко ; М-во освіти і науки України, Харків. нац. ун-т радіоелектроніки. – Харків, 2017. – 20 с.