Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Kwartalnik Elektroniki i Telekomunikacji

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: modelowanie rozmyte i neurorozmyte

Sortuj według:

Ogranicz wyniki do:

Comparison of three methods for neurofuzzy model initialization and their application to circuit performance modeling

Horbowski R.

Kwartalnik Elektroniki i Telekomunikacji

2000

Vol. 46, nr 2

175-193

In the paper three methods of neurofuzzy model initialization are presented and experimentally verified. The first of these methods, which is typical for neural network, is the random initialization. As the second method, so - called pseudo - random initialization is proposed. This method in a simple way makes use of the available training set : the randomly chosen training points initialized model parameters responsible for the distribution of the membership function which define the linguistic labels of fuzzy rules. Such an approach is possible because of the physical interpretation of the model parameters. The presented experimental results show that average results obtained using the quasin - random parameter initialization overperform corresponding results obtained using the random initialization. Moreover, the quasi - random initialization can reduce or even eleminate an overfitting to the training data, which can appear for models having big number of parameters. As the third method the mountain clustering - based initialization is considered. The experiments show that this method can give better results than the mentioned random and quasi - random method. However, the results of this method heavily depend on the values of two parameters, which control the process of the clustering. Unfortunately, the performed experiments have not provided the optimal values of these parameters. Additionally, the paper focuses on some aspects and problems which are connected with the presented modeling technique. The improvement of the quasi - random method is suggested, as well.

W pracy zaprezentowano i eksperymentalnie porównano trzy metody inicjacji parametrów modeli neurorozmytych. Pierwszą z rozważanych metod jest charakterystyczna dla sieci neuronowych inicjacja losowa. Wyniki uzyskane na bazie tej metody są porównywalne z wynikami uzyskanymi z wykorzystaniem tzw. metody inicjacji pseudo - losowej. Ta druga, alternatywna metoda wykorzystuje losowo wybrane ze zbioru uczącego punkty uczące, które inicjują parametry odpowiedzialne za rozmieszczenie funkcji przynależności definiujących poszczególne etykiety lingwistyczne występujące w regułach rozmytych. Podejście takie jest możliwe, ponieważ wspomniane parametry posiadają swoją interpretację fizyczną. Prezentowane wyniki pokazują, iż średnie wyniki uzyskane metodą inicjacji pseudo - losowej przewyższają swoje odpowiedniki uzyskane metodą inicjacji losowej. Co więcej, występujące dla modeli posiadających dużą liczbę parametrów ponaddopasowanie do danych uczących, może zostać częściowo zredukowane lub nawet wyeliminowane przy użyciu metody pseudo - losowej. Trzecią metodą rozważaną w pracy jest metoda oparta na górskim grupowaniu danych. Eksperymenty pokazały, iż metoda ta może dać lepsze wyniki niż metody wspomniane powyżej. Należy jednak podkreślić, iż jakość wyników uzyskiwanych tą metodą silnie zależy od wartości dwóch parametrów, które nią sterują. Niestety, mimo przeprowadzenia licznych prób nie udało się ustalić optymalnych wartości tych parametrów.

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.