Adaptiv neyro-qeyri səlis çıxarış sistemi

Vikipediya, azad ensiklopediya
Jump to navigation Jump to search

Adaptiv neyro qeyri-səlis çıxarış sistemi (ing. Adaptive neuro fuzzy inference system)— Takagi Sugeno qeyri-səlis çıxarış sisteminə əsaslanan süni neyron şəbəkənin növlərindən biri. Bu üsul 1990-cı illərin əvvəllərində inkişaf etdirilib.[1][2] Həm neyron şəbəkələr, həm də qeyri-səlis məntiqin prinsiplərini özündə birləşdirəndən sonra, bu sistem vahid quruluşda hər ikisinin üstünlüklərini almaq üçün potensiala malik oldu. Onun çıxarış sistemi yaxın qeyri-xətti funksiyalar üçün öyrənmə qabiliyyətinə malik olan qeyri-səlis ƏGƏR-ONDA qaydalarının (İF-THEN) məcmusuna uyğundur.[3] Deməli, ANFİS universal qiymət təyin edən sayılır.[4] ANFIS-in daha səmərəli və optimal şəkildə istifadəsi üçün, genetik alqoritm vasitəsilə əldə olunan parametrləri istifadə etmək olar.[5][6]

Nümunə[redaktə | əsas redaktə]

İki girişli və iki qaydalı sadə Takagi-Sugeno kontrolleri:

Əgər P11(x1) VƏ P12(x2) ONDA f1(x1, x2)
ƏGƏR P21(x1) VƏ P22(x2) ONDA f2(x1, x2)

Bu idarəetmə elementini reallaşdıran ANFİS aşağıdakı kimi təsvir olunur:

Yuxarıdakı sistemin eskizi

İstinadlar[redaktə | əsas redaktə]

  1. Jang, Jyh-Shing R (1991). Fuzzy Modeling Using Generalized Neural Networks and Kalman Filter Algorithm (PDF). Proceedings of the 9th National Conference on Artificial Intelligence, Anaheim, CA, USA, July 14–19. 2. 762–767.
  2. Jang, J.-S.R. (1993). "ANFIS: adaptive-network-based fuzzy inference system". IEEE Transactions on Systems, Man and Cybernetics. 23 (3). doi:10.1109/21.256541.
  3. Abraham, A. (2005), "Adaptation of Fuzzy Inference System Using Neural Learning", in Nedjah, Nadia; de Macedo Mourelle, Luiza (eds.), Fuzzy Systems Engineering: Theory and Practice, Studies in Fuzziness and Soft Computing, 181, Germany: Springer Verlag, 53–83, doi:10.1007/11339366_3
  4. Jang, Sun, Mizutani (1997) – Neuro-Fuzzy and Soft Computing – Prentice Hall, pp 335–368, ISBN 0-13-261066-3
  5. Tahmasebi, P. (2012). "A hybrid neural networks-fuzzy logic-genetic algorithm for grade estimation" (PDF). Computers & Geosciences. 42: 18–27.
  6. Tahmasebi, P. (2010). "Comparison of optimized neural network with fuzzy logic for ore grade estimation" (PDF). Australian Journal of Basic and Applied Sciences. 4: 764–772.