Sieci rozmyto-neuronowe do klasyfikacji: architektury typu RBF i MLP - system NEFCLASS

• Autorzy: Rutkowska D.

Warianty tytułu

EN

Neuro-fuzzy networks for classification: architectures of RBF-type and MLP - NEFCLASS system

• Języki publikacji: PL

Abstrakty

PL

Tematem artykułu są systemy rozmyto-neuronowe w zastosowaniu do klasyfikacji. W szczególności rozważa się systemy o architekturze sieciowej typu RBF oraz system NEFCLASS, który został zbudowany zgodnie z ideą rozmytego wielowarstwowego perceptronu MLP [multi-layer perceptron). W artykule dokonuje się porównania obu typów sieci rozmyto-neuronowych, wskazując na ich wspólne cechy oraz różnice. Proponuje się ogólną architekturę sieciową, która reprezentuje system rozmyty i może być interpretowana zarówno jako rozmyty perceptron, jak i sieć typu RBF.

EN

Neuro-fuzzy systems in application to classification are considered in this paper, in particularly, connectionist architectures of the systems, such as RBF-type and the NEFCLASS system which has been created based on the fuzzy multi-layer perceptron (MLP). The paper presents comparison of both neuro-fuzzy networks, pointing out their common features and differences. A general connectionist architecture that represents a fuzzy system and can be interpreted as the fuzzy perceptron or the RBF-type network is proposed.

Słowa kluczowe

PL

sieci rozmyto-neuronowe; sieci neuronowe; system NEFCLASS; sieci typu MLP; sieci typu RBF

• Wydawca: Wydawnictwa AGH
• Czasopismo: Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
• Rocznik: 2005
• Tom: T. 9, z. 3
• Strony: 689--698
• Opis fizyczny: Bibliogr. 13 poz., rys.

Twórcy

autor

Rutkowska D.

• Wyższa Szkoła Humanistyczno-Ekonomiczna, Łódź ; Politechnika Częstochowska, Częstochowa

• Wyższa Szkoła Humanistyczno-Ekonomiczna, Łódź

Bibliografia

• [1] Czogała E., Łęski J.: Fuzzy and Neuro-Fuzzy Intelligent Systems. Heidelberg, Springer 2000
• [2] Gorzałczany M.B.: Computational Intelligence Systems and Applications: Neuro-Fuzzy and Neural Synergisms. Heidelberg, Springer 2002
• [3] Jang J.-S.R., Sun C.-T.: Fuctional equivalence between radial basis function networks and fuzzy inference systems. IEEE Transactions on Neural Networks, t. 4, nr 1, 1993, 156-159
• [4] NauckD., Klawonn F., Kruse R.: Foundations of Neuro-Fuzzy Systems. New York, Wiley 1997
• [5] Mendel J.M.: Uncertain Rule-Based Fuzzy Logic Systems: Introduction and New Directions. Englewood Cliffs, Prentice-Hall 2001
• [6] Rutkowska D., Piliński M., Rutkowski L.: Sieci neuronowe, algorytmy genetyczne, systemy rozmyte. Warszawa, PWN 1997
• [7] Rutkowska D.: Inteligentne systemy obliczeniowe: Algorytmy genetyczne i sieci neuronowe w systemach rozmytych. Warszawa, Akademicka Oficyna Wydawnicza PLJ 1997
• [8] Rutkowska D., Nowicki R.: Implication-based neuro-fuzzy architectures. International Journal of Applied Mathematics and Computer Science, t. 10, nr 4, 2000, 675-701
• [9] Rutkowska D.: Type 2 Fuzzy Neural Networks: An Interpretation Based on Fuzzy Inteference Neural Networks with Fuzzy Parameters. Proceedings of the 2002 IEEE World Congress on Computational Intelligence, 2002, 1180-1185
• [10] Rutkowska D.: Neuro-Fuzzy Architectures and Hybrid Learning. Heidelberg, Springer, 2002
• [11] Rutkowska D.: Sieci rozmyto-neuronowe do sterowania: architektury typu RBF 1 MLP - system NEFCON. XV Krajowa Konferencja Automatyki, t. III, 2005, 31-36
• [12] Tadeusiewicz R.: Sieci neuronowe. Warszawa, Akademicka Oficyna Wydawnicza RM 1993
• [13] Wang L.-X.: Adaptive Fuzzy Systems and Control. Englewood Cliffs, Prentice-Hall 1994