Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: model training

Sortuj według:

Ogranicz wyniki do:

Analiza wybranych algorytmów uczenia w relacyjnej rozmytej mapie kognitywnej

Słoń G.

TTS Technika Transportu Szynowego

2012

R. 19, nr 9

1741--1751, CD

Relacyjna rozmyta mapa kognitywna jest pewnym modelem matematycznym wykorzystującym metody inteligencji obliczeniowej, który może być stosowany do modelowania złożonych systemów charakteryzujących się nieprecyzyjnością. Kluczowym problemem w tego rodzaju zagadnieniach jest adaptacja parametrów (uczenie) modelu w sposób, dzięki któremu jego praca będzie jak najdokładniej odwzorowywać zachowanie rzeczywistego obiektu. W artykule przedstawiono podstawowe informacje dotyczące problematyki uczenia modelu relacyjnej rozmytej mapy kognitywnej oraz efekty stosowania różnych podejść do uczenia w zależności od celów modelowania.

Relational fuzzy cognitive map is a certain mathematical model which uses some methods of the computational intelligence and can be used to model complex systems characterized by imprecision. A key problem in this kind of issues is an adaptation of parameters of the model (learning) in the way in which his work will imitate as closely as possible the behavior of a real object. The article presents basic information about problems of the model of fuzzy relational cognitive map learning and the effects of different approaches to the learning in dependence on the modeling purposes.

INTEGR - A Method for Integrating Expert Knowledge and Knowledge Derived from a Data Set

Rejer I.

Pomiary Automatyka Kontrola

2010

R. 56, nr 10

1197-1200

The aim of the paper is to present a new approach for integrating expert knowledge with knowledge derived from a data set, called INTEGR. INTEGR approach is based on the method of training an expert fuzzy model with a set of data points but eliminates main drawbacks of this method. The paper presents both - the theoretical description of INTEGR algorithm and its practical application.

Zarówno modele rozmyte budowane na podstawie zbioru danych pomiarowych jak i modele rozmyte budowane przy wykorzystaniu wiedzy eksperckiej mają specyficzne dla siebie wady i zalety. Model ekspercki jest modelem przybliżonym, ale obowiązującym w całej dziedzinie analizowanej zależności, natomiast model zbudowany na podstawie zbioru danych pomiarowych jest modelem dokładnym, ale wiarygodnym tylko w pewnym, ściśle określonym fragmencie dziedziny. Wynika z tego, że aby zwiększyć precyzję rozmytych modeli eksperckich należy do nich dołączyć wiedzę zawartą w danych pomiarowych i analogicznie, żeby poszerzyć zakres stosowalności modeli rozmytych opracowanych na podstawie zbioru danych pomiarowych należy dołączyć do nich wiedzę ekspercką. Celem niniejszego artykułu jest przedstawienie nowej metody integracji wiedzy eksperckiej z wiedzą wydobytą z danych pomiarowych (metody INTEGR). Opisywana metoda jest oparta na uczeniu eksperckiego modelu rozmytego przy pomocy zbioru danych pomiarowych, ale eliminuje podstawowe wady tego podejścia. W artykule zaprezentowano zarówno teoretyczny opis metody, jak i jej praktyczne wykorzystanie na przykładzie modelu rozmytego przeznaczonego do wyceny samochodów używanych.