Читать в оригинале

<< ПредыдущаяОглавлениеСледующая >>


5.6.6. Примечание

Представляется вполне естественным применение одних и тех же правил выработки решений для входных данных, расположенных в ближайшей окрестности (т.е. подобных друг другу). По этой причине обучающие выборки были разделены по способу, предложенному на этапе 2 (рис. 5.41а). Каждая выделенная область соответствует одному условию правила вида IF ( это ). В примере, показанном на рис. 5.41а, выделены три области. В них расположены все точки, которые включены в обучающую выборку. О точках, лежащих вне пределов этих областей (например, о точках, включаемых в тестовую выборку), можно сказать, что они частично принадлежат к нескольким областям. Тем самым определяется степень (значение) принадлежности каждой точки к выделенным областям. Пример разделения входного пространства по завершении обучения сети представлен на рис. 5.41в. Заливкой выделена зона, в которой соседние функции принадлежности перекрываются.

Способ определения таких функций был описан на этапе 3. Предложено обучать нейронную сеть, изображенную на рис. 5.41б. Переменные, содержащиеся в условиях правил (в данном случае  и ), подаются на вход сети. В выходном слое на нейрон, представляющий область, к которой относится точка, подается значение 1, а на остальные нейроны - значение 0. Достоинство нейронной сети заключается в формировании зависимости между аналоговым (непрерывным) входом и дискретным выходом. Это означает, что хотя в процессе обучения использовались только точки, показанные на рис. 5.41а, однако для всех входных данных, лежащих в окрестности этих точек, будут получены аналогичные результаты (т.е. аналогичные правила выработки решений).

К достоинствам рассмотренного метода можно отнести:

- автоматизацию разделения нечетких правил и выбора функций принадлежности;

- автоматизацию уточнения функции принадлежности при изменении окружающей среды, что обеспечивается возможностями обучения нейронных сетей.

Недостатком изложенного метода можно считать то, что условия кодируются в сети , а заключения - в сетях , поэтому отсутствует возможность выделить как саму функцию принадлежности, так и базу правил, а также функции, описывающие заключения каждого конкретного правила.

 



<< ПредыдущаяОглавлениеСледующая >>