Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: klasyfikatory neuronowo-rozmyte

Sortuj według:

Ogranicz wyniki do:

Hybrid neuro-fuzzy classifier based on NEFCLASS model

Gliwa B., Byrski A.

Computer Science

2011

Vol. 12

115-135

The paper presents hybrid neuro-fuzzy classifier, based on NEFCLASS model, which was modified. The presented classifier was compared to popular classifiers - neural networks and k-nearest neighbours. Efficiency of modifications in classifier was compared with methods used in original model NEFCLASS (learning methods). Accuracy of classifier was tested using 3 datasets from UCI Machine Learning Repository: iris, wine and breast cancer wis-consin. Moreover, influence of ensemble classification methods on classification accuracy was presented.

Artykuł przedstawia zasadę działania oraz wyniki badań eksperymentalnych klasyfikatora opartego na hybrydzie sieci neuronowej z logiką rozmytą, bazujący na modelu NEFCLASS. Prezentacja struktury i działania klasyfikatora została zilustrowana wynikami eksperymentów porównawczych przeprowadzonych dla popularnych klasyfikatorów, takich jak perceptron wielowarstwowy k najbliższych sąsiadów. Skuteczność wprowadzonych modyfikacji do klasyfikatora została porównana z metodami używanymi w oryginalnym modelu NEFCLASS (metody uczenia). Jako dane benchmarkowe posłużyły wybrane bazy danych z UCI Machine Learning Repository (iris, wine, breast cancer wisconsin). Zaprezentowano również wpływ użycia metod klasyfikacji zbiorczej na efektywność klasyfikacji.

Inteligentny klasyfikator neuronowo-rozmyty o ewoluującej strukturze

Gorzałczany M. B., Kekez M.

Zeszyty Naukowe Politechniki Świętokrzyskiej. Elektryka

2005

Z. 42

149-163

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.

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.