Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: tuning of TSK models

Sortuj według:

Ogranicz wyniki do:

Avoiding parameter growth of TSK fuzzy models

Kabziński J.

Zeszyty Naukowe. Elektryka / Politechnika Łódzka

2005

z. 106

25-36

We propose two relatively simple and effective procedures for creating neuro-fuzzy Takagi-Sugeno-Kang model and for tuning of TSK model parameters together with the rule-base structure optimisation. The main advantage of the first method is that the initial structure and parameters are set properly, so we need a few training iterations for the neural network representation of our model to converge. In the second approach the most important is rule reduction procedure -annihilation and fusion incorporated in a genetic optimisation algorithm. Numerical examples are provided.

Zaproponowano dwie proste metody tworzenia neuro - rozmytych modeli typu Tkagi-Sudeno-Kanga, strojenia ich parametrów i optymalizacji bazy reguł decyzyjnych. Pierwsza metoda pozwala na utworzenie wyjściowej struktury modelu obarczonej stosunkowo niewielkim błędem, co znacznie zmniejsza liczbę koniecznych iteracji algorytmu uczącego. W drugim podejściu wykorzystano operatory redukcji reguł - anihilację i fuzję wkomponowane w pseudo-bakteryjny algorytm genetyczny optymalizacji modelu. Przedstawiono przykłady ilustrujące właściwości obu metod.