PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Analiza wpływu parametrów systemu wnioskowania rozmytego na sprawność klasyfikacji

Identyfikatory
Warianty tytułu
EN
Influence analysis of fuzzy inference system parameters on classification performance
Konferencja
Modelowanie w mechanice/Sympozjum (XLIV; 2005; Gliwice; Polska)
Języki publikacji
PL
Abstrakty
PL
W artykule przedstawiono analizę wpływu wybranych parametrów na sprawność klasyfikacji systemu logiki rozmytej. Do analizy wybrano systemy o strukturze Takagi - Sugeno (FL-TS). Badano wpływ rodzaju funkcji przynależnosci (FP), rodzaju konkluzji regury (konkluzje stałe lub liniowe) oraz metody treningu na poprawne działanie systemu. Testy przeprowadzono na podstawie zadan akademickich o dwóch wejściach. Zadania polegały na klasyfikowaniu wektorów wejściowych do jednej z dwóch klas (stan niski, stan wysoki).
EN
The paper presents study on influence of selected parameters of fuzzy logic system on classification performance. Takagi - Sugeno (FL-TS) inference systems were considered. Influence of membership function type (FP), type of conclusions (constant conclusion, linear conclusion) and method of training on proper functioning of the systems were analyzed. The conducted tests were based on academic-like tasks with two inputs. The fuzzy logic systems were applied to classify outputs into one of two classes (high state, low state). Results of the research may be helpful in implementation fuzzy logic systems to diagnostic tasks.
Rocznik
Tom
Strony
431--436
Opis fizyczny
Bibliogr. 4 poz.
Twórcy
  • Katedra Budowy Maszyn Politechnika Śląska, 44-100 Gliwice, ul. Konarskiego 18A tel. 32 237-16-77
autor
  • Katedra Budowy Maszyn Politechnika Śląska, 44-100 Gliwice, ul. Konarskiego 18A tel. 32 237-16-77
Bibliografia
  • [1] Sokołowski A., Czyszpak Т.: Systemy logiki rozmytej - struktura i konstruowanie. Prace Naukowe Katedry Budowy Maszyn nr 1/2003, Gliwice 2003.
  • [2] Sokołowski A., Czyszpak Т.: Mamdani versus Takagi - Sugeno fuzzy reasoning for machine diagnostics. Proc. of The Symposium on Methods of Artificial Intelligence - AI-METH 2004, Gliwice 2004.
  • [3] Takagi H., Hayashi I.: NN-driven fuzzy reasoning. International Journal of Approximate Reasoning, Vol. 5, No. 3, 1991.
  • [4] MatLab - User’s Guide, Matlab Inc, 2002.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BSL9-0044-0008
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.