Inteligentny klasyfikator neuronowo-rozmyty o ewoluującej strukturze

• Autorzy: Gorzałczany M. B. , Kekez M.

Warianty tytułu

EN

Inteligent, neuro-fuzzy classifier with evolving structure

• Języki publikacji: PL

Abstrakty

PL

Niniejszy artykuł prezentuje koncepcję oraz implementację inteligentnego klasyfikatora neuronowo-rozmytego posiadającego zdolność samoadaptacji nie tylko swych parametrów, ale również struktury. Samoadaptacja (ewolucja) struktury realizowana jest z wykorzystaniem algorytmu genetycznego. Systemy inteligentne, bazujące na syntezie sztucznych sieci neuronowych i zbiorów rozmytych oraz charakteryzujące się samoadaptującą się, ewoluującą strukturą, są efektywnym narzędziem w zagadnieniach tzw. odkrywania wiedzy (ang. knowledge discovery) w bazach danych. Zagadnienia te odgrywają coraz ważniejszą rolę we współczesnej informatyce. Proponowane w artykule rozwiązanie zostało przetestowane z wykorzystaniem wybranych, rzeczywistych baz danych.

EN

This paper presents the concept and implementation of an intelligent neuro-fuzzy classifier being able to self-adapt not only its parameters but also its structure. Self-adaptation (evolution) of the structure is performed by means of genetic algorithm. Intelligent systems that synthesize artificial neural networks and fuzzy sets and have self-adapting, evolving structure are an effective tool for the problems of knowledge discovery in databases. These problems play more and more important role in contemporary computer science. The solution proposed in the paper has been tested using the selected, real-world databases.

Słowa kluczowe

PL

sztuczna inteligencja; klasyfikatory neuronowo-rozmyte; algorytmy genetyczne

EN

artificial intelligence; neuro-fazzy classifiers; genetic algorithms

• Wydawca: Wydawnictwo Politechniki Świętokrzyskiej
• Czasopismo: Zeszyty Naukowe Politechniki Świętokrzyskiej. Elektryka
• Rocznik: 2005
• Tom: Z. 42
• Strony: 149--163
• Opis fizyczny: Bibliogr. 5 poz., rys., tab., wzory

Twórcy

autor

Gorzałczany M. B.

• Politechnika Świętokrzyska, Wydział Elektrotechniki, Automatyki i Informatyki, Aleja Tysiąclecia Państwa Polskiego 7, PL - 25 314 Kielce

autor

Kekez M.

• Politechnika Świętokrzyska, Wydział Elektrotechniki, Automatyki i Informatyki, Aleja Tysiąclecia Państwa Polskiego 7, PL - 25 314 Kielce

Bibliografia

• 1. Gorzałczany M.B., Computational Intelligence Systems and Applications;Neuro-Fuzzy Neural Synergisms. Physica-Verlag, Springer-Verlag Co., Heidelberg, New York 2002.
• 2. Gorzałczany M.B., Grądzki P., A neuro-fuzzy-genetic classifier for rule-based intelligent decision support, Archiwum Informatyki Teoretycznej i Stosowanej (Komitet Informatyki PAN), tom II, z. 3-4, PWN, Warszawa 1999, s. 225-247.
• 3. Michalewicz Z., Genetic Algorithms + Data Structures = Evolution Programs. Springer-Verlag, Berlin, Heidelberg 1996.
• 4. Newell A., Simon H.A., Human Problem Solving. Prentice Hall, Englewood Cliffs, NJ. 1972.
• 5. Wash W.J., Sellers T.L., Talbot S.R., Cawthorn A.J., Ford W.B., The Population Biology of Abalone (Haliotis species) in Tasmania, University of Tasmania, Sea Fisheries Division, Technical Report No. 48, 1994.