The merging of fuzzy model is widely used for reduction of rule number in fuzzy model. The supernumerosity of rules is mainly caused by grid partition of input domain. In the paper different cause for model merging is described. It is the need for creation of fuzzy model for large data set. In our solution the models are build basing data subset and then the submodels are merged into one. This approach enables quicker elaboration of submodels with relatively good knowledge generalisation ability without waiting for the whole data set to be processed. With passing time, the subsequent submodels are created and merged to create the better model.
PL
Artykuł opisuje scalanie modeli rozmytych w systemach neuronowo-rozmytych wykorzystywane przy tworzeniu modeli dla dużych zbiorów danych. Nieraz zbiory danych są tak duże, że nie jest możliwe wypracowanie modelu od razu dla całego zbioru. Tworzy się zatem modele dla podzbiorów zbioru danych. Uzyskane w ten sposób modele są następnie scalane, by wypracować jeden model. Podejście to jest także korzystne, gdy wszystkie dane nie są dostępne, ale są dostarczane partiami. Wtedy wstępny model jest wypracowany zanim wszystkie dane zostaną dostarczone do systemu. Artykuł przedstawia sposób wyznaczania podobieństwa reguł w modelu rozmytym oraz opisuje system neuronowo-rozmyty budujący i scalający modele wypracowane dla podzbiorów.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.