Бойко, О. О.2017-06-142017-06-142017Бойко 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. http://openarchive.nure.ua/handle/document/3882Метою 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.ukеволюційні нейро-фаззі системиінтелектуальний аналіз данихнео-фаззі нейронсистема Ванга–Менделянечітка кластеризаціяevolving neuro-fuzzy systemsdata miningneo-fuzzy neuronWang–Mendel systemfuzzy clusteringOther