Синтез нейро-нечеткого аппроксиматора Мамдани на основе принципов отрицательного отбора для решения задач диагностирования с вещественным представлением признаков

Abstract

Решена актуальная задача автоматизации диагностирования объектов и систем, описанных вещественными признаками. Исследовалось использование результатов работы модели отрицательного отбора с маскированием в процессе обучения сети Мамдани. Предложен метод синтеза нейро-нечеткого аппроксиматора Мамдани с помощью модели отрицательного отбора с маскированием детекторов. Экспериментально подтверждена целесообразность применения нейро-нечеткого аппроксиматора Мамдани, обученного с помощью предложенного метода, как средства нечеткого вывода в задачах диагностирования.