3.10.3. Примечание

В качестве исходной информации в представленной схеме обучения выступают пары обучающих данных, а конечный результат представляет собой отображение входного пространства данных в выходное. Изложенный метод обладает как способностью «обучать» соответствующее отображение по имеющимся примерам, так и свойством обобщения. Это означает, что если на вход такой нечеткой системы будут поданы новые сигналы (не присутствовавшие в обучающей выборке), то сформированное отображение будет генерировать удовлетворительные выходные сигналы. По этой причине рассматриваемый метод отождествляется с очень универсальной нечеткой системой без модели со способностью к обучению (model-free trainable fuzzy system), которая может применяться для широкого спектра задач управления. Термин без модели (model-free) означает, что для решения задачи не нужна математическая модель процесса управления, а определение со способностью к обучению (trainable) - что система может накапливать знания по примерам. О достоинствах метода свидетельствует то, что:

1) это универсальный метод создания базы нечетких правил на основе численных данных; его реализация может трактоваться как первый этап построения модуля нечеткого управления в случае, когда вместо базы правил имеются только численные данные;

2) это простая процедура построения базы правил, благодаря которой не требуется длительное итеративное обучение и, следовательно, на создание базы правил требуется значительно меньше времени по сравнению, например, с нейро-нечеткой (neuro-fuzzy) системой;

3) существует широкая свобода подбора функций принадлежности, что обеспечивает достаточную гибкость при проектировании систем для различных приложений.