Построение нейро-нечетких моделей по прецедентам с хэширующим преобразованием на обобщенную ось

Abstract

Решена задача автоматизации построения диагностических и распознающих моде- лей по прецедентам на основе нейро-нечетких сетей. Предложен метод построения нейро- нечётких сетей с хэширующим преобразованием на обобщённую ось, который позволяет повысить уровни автоматизации синтеза и обобщения моделей, упростить структуру и сократить число параметров, а также повысить интерпретабельность нейро-нечетких сетей. Разработано программное обеспечение, реализующее предложенный метод, а также проведены эксперименты по его исследованию при решении практических задач.

The problem of automation build the diagnostic and recognizing models by precedents on the basis of neuro-fuzzy networks is solved. The method of neuro-fuzzy network construction with hashing transformation on the generalized axis is proposed. It allows to increase the levels of automation of synthesis and of generalization of models, to simplify the structure and to reduce the number of parameters, and to increase the interpretability of neuro-fuzzy networks. Software implementing proposed method is developed. The experiments with proposed method in practical problem solving were conducted.

Вирішено задачу автоматизації побудови діагностичних і розпізнавальних моделей за прецедентами на основі нейро-нечітких мереж. Запропоновано метод побудови нейро-нечітких мереж з хешуючим перетворенням на узагальнену вісь, який дозволяє підвищити рівні автоматизації синтезу та узагальнення моделей, спростити структуру і скоротити число параметрів, а також підвищити інтерпретабельність нейро-нечітких мереж. Розроблено програмне забезпечення, що реалізує запропонований метод, а також проведені експерименти з його дослідження при вирішенні практичних завдань.