Analiza wybranych algorytmów uczenia w relacyjnej rozmytej mapie kognitywnej

• Autorzy: Słoń G.

Warianty tytułu

EN

Analysis of selected learning algorithms in a relational fuzzy cognitive map

• Języki publikacji: PL

Abstrakty

PL

Relacyjna rozmyta mapa kognitywna jest pewnym modelem matematycznym wykorzystującym metody inteligencji obliczeniowej, który może być stosowany do modelowania złożonych systemów charakteryzujących się nieprecyzyjnością. Kluczowym problemem w tego rodzaju zagadnieniach jest adaptacja parametrów (uczenie) modelu w sposób, dzięki któremu jego praca będzie jak najdokładniej odwzorowywać zachowanie rzeczywistego obiektu. W artykule przedstawiono podstawowe informacje dotyczące problematyki uczenia modelu relacyjnej rozmytej mapy kognitywnej oraz efekty stosowania różnych podejść do uczenia w zależności od celów modelowania.

EN

Relational fuzzy cognitive map is a certain mathematical model which uses some methods of the computational intelligence and can be used to model complex systems characterized by imprecision. A key problem in this kind of issues is an adaptation of parameters of the model (learning) in the way in which his work will imitate as closely as possible the behavior of a real object. The article presents basic information about problems of the model of fuzzy relational cognitive map learning and the effects of different approaches to the learning in dependence on the modeling purposes.

Słowa kluczowe

PL

relacyjna rozmyta mapa kognitywna; model matematyczny; adaptacja parametrów; algorytm uczenia

EN

relational fuzzy cognitive map; mathematical model; parameter adaptation; model training; learning algorithm

• Wydawca: Instytut Naukowo-Wydawniczy "TTS" Sp. z o.o
• Czasopismo: TTS Technika Transportu Szynowego
• Rocznik: 2012
• Tom: R. 19, nr 9
• Strony: 1741--1751, CD
• Opis fizyczny: Bibliogr. 11 poz.

Twórcy

autor

Słoń G.

• Politechnika Świętokrzyska

Bibliografia

• 1. Haykin S., Neural Networks: A Comprehensive Foundation. 29th ed. Delhi, India: Pearson Education, Inc., 2005.
• 2. Jastriebow A., Słoń G., Obliczenia ziarniste w modelowaniu nieprecyzyjnych obiektów przy użyciu relacyjnych rozmytych map kognitywnych. Pomiary, Automatyka, Kontrola vol. 56 nr 12/2010, str.: 1449-1452.
• 3. Jastriebow A., Słoń G., Parametric identification of dynamic imprecise models based on relational fuzzy cognitive maps. in Computer Applications in Electrical Engineering, Nawrowski R., Ed. Poznań: Poznan University of Technology, 2011, vol. 9, pp. 234-244.
• 4. Kandasamy W. B. V., Smarandache F., Fuzzy Cognitive Maps and Neutrosophic Cognitive Maps. Xiquan, Phoenix, AZ, USA, 2003.
• 5. Kosko B., Fuzzy cognitive maps. Int. Journal of Man-Machine Studies, vol. 24, pp. 65-75, 1986.
• 6. Łachwa A., Rozmyty świat zbiorów, liczb, relacji, faktów, reguł i decyzji. Warszawa: Akademicka Oficyna Wydawnicza EXIT, 2001.
• 7. Papageorgiou E. I., Learning Algorithms for Fuzzy Cognitive Maps – A Review Study. IEEE Transactions on Systems, Man and Cybernetics, Part C: Applications and Reviews, vol. 42, no. 2, pp. 150-163, 2012.
• 8. Rutkowski L., Metody i techniki sztucznej inteligencji. Warszawa: PWN, 2005.
• 9. Słoń G., Wybrane problemy projektowania rozmytych relacyjnych map kognitywnych. In Technologie komputerowe w rozwoju nauki, techniki i edukacji, Jastriebow A., Kuźmińska-Sołśnia B., Raczyńska M., Eds. Radom: Wydawnictwo Naukowe Instytutu Technologii Eksploatacji - Państwowego Instytutu Badawczego, 2012, pp. 131-144.
• 10. Słoń G., Yastrebov A., Optimization and Adaptation of Dynamic Models of Fuzzy Relational Cognitive Maps. in Lecture Notes in Artificial Intelligence 6743, RSFDGrC 2011, Kuznetsov S. O., Ed. Berlin, Heidelberg, Germany: Springer-Verlag, 2011, pp. 95-102.
• 11. Stylios C. D., Groumpos P. P., Fuzzy cognitive maps in modeling supervisory control systems. Journal of Intelligent & Fuzzy Systems, vol. 8, no. 2, pp. 83-98, 2000.