Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: fuzzy and neurofuzzy modelling

Sortuj według:

Ogranicz wyniki do:

Neurofuzzy Adaptive B-spline Circuit Performance Modelling Aided by Means of Genetic Algorithm

Horbowski R., Białko M

Bulletin of the Polish Academy of Sciences. Technical Sciences

2001

vol. 49, nr 3

445-459

An application of a lattice adaptive neurofuzzy system to circuit performance modelling is presented in the paper. The investigated system makes use of the B-spline membership functions and a structure of the system is determined by means of a genetic algorithm. The presented approach possesses good modelling capabilities and, contrary to non-lattice neurofuzzy approaches, can explore structural dependencies existing in training data supporting us with valuable knowledge about the modelled circuit. This knowledge gives an insight into behaviour of the modelled performance function and makes it possible to reduce a size of the set of circuit variables, to simplify the structure of the model and hence to speed-up its evaluation and identification.

The generation of learning data points for circuit performance modelling by means of fyzzy system

Horbowski R., Białko M.

Kwartalnik Elektroniki i Telekomunikacji

1998

Vol. 44, nr 4

471-486

In this paper the application of fuzzy system to generation of learning data points for electronic circuit performance modelling is presented. Under some assumptions the proposed approach helps to generate the learning data point base that posseses two advanteges : it is free of superfluous redundancy and sufficiently represents behaviour of the circuit. Using simple examples we show, how properly chosen learning points may influence model errors and structure.

W pracy zaprezentowano sposób konstrukcji i uczenia systemu rozmytego, zadaniem którego jest określenie błędu założonej aproksymacji funkcji układowych elektronicznych. Konstrukcja systemu oparta została na wiedzy a priori o zachowaniu sie tych funkcji oraz na podstawowym założeniu wynikającym z przykładowo przeprowadzonej analizy wybranego układu elektronicznego. Wyrażone lingwistyczne reguły rozmyte, określają jednocześnie strukturę systemu, który dodatkowo był uczony na podstawie danych numerycznych. Bazując na zaprojektowanym systemie rozmytym zaproponowano algorytm generacji punktów uczących. Jego działanie zaprezentowano na dwóch prostych przykładach pokazując, jak właściwie dobrane punkty uczące mogą wpływać na czas jego uczenie jak i na jego dokładność. Przedstawiono również możliwość wykorzystania klasyfikatora w systemie predykcji błędu aproksymacji.