分类规则形成的神经模糊模型作为离散输出对象的有效近似器

DOI:

评审日期

出版日期

注解: 本文的主题是评估基于模糊知识库的离散输出对象近似的有效性。 研究的对象是一个神经模糊模型，它允许基于模糊神经网络的训练，形成一个模糊生产规则系统（模糊知识库），用于评估对象的状态。 作者详细研究了他提出的模糊生产规则的类型，规则上的逻辑推理算法，描述了模糊神经网络的开发模型。 特别注意需要评估模型的近似能力，以确定其实际使用的可能性和有效性。 该评估通过分析模型的以下特征进行：
-开发的模糊神经网络学习算法的收敛性;
-其操作与模糊近似原则的满意度;
-基于模型规则的逻辑推理算法与 对神经网格模型的近似能力进行了估计，根据结果得出结论，该模型是具有离散输出的对象的有效近似器。 此外，为了测试模型，对正在形成的模糊规则的分类能力进行了评估。 基于模糊规则的分类的准确度证明不低于其他已知分类方法的准确度。 应用这些规则的实用价值是建立决策支持系统的可能性，以评估各种主题领域的对象状态。

出版日期: