Нейро-мережевий підхід до генерування сполучених нечітких баз знань на правилах і відношеннях

Abstract

Пропонується підхід до генерування сполучених правил ЯКЩО-ТО на основі генетико-нейронного алгоритму розв’язання рівнянь нечітких відношень, що дозволяє уникнути селекції правил і виключити перекриття між класами. Суть підходу полягає у побудові та навчанні min-max нейро-нечіткої мережі, ізоморфної лінгвістичним розв’язкам системи рівнянь нечітких відношень, яка дозволяє адаптувати структуру набору правил до змінення границь класів виходу. Розв’язання рівнянь нечітких відношень забезпечує оптимальну кількість нечітких правил для кожного вихідного терму і оптимальну геометрію вхідних термів для кожного лінгвістичного розв’язку.

Предлагается подход к генерированию составных правил ЕСЛИ-ТО на основе генетико-нейронного алгоритма решения уравнений нечетких отношений, что позволяет избежать селекции правил и исключить перекрытие между классами. Суть подхода состоит в построении и обучении min-max нейро-нечеткой сети, изоморфной лингвистическим решениям системы уравнений нечетких отношений, которая позволяет адаптировать структуру набора правил к изменению границ классов выхода. Решение уравнений нечетких отношений обеспечивает оптимальное число нечетких правил для каждого выходного терма и оптимальную геометрию входных термов для каждого лингвистического решения.

The adaptive approach to generating composite IF-THEN rules based on the genetic and neural algorithm of solving fuzzy relational equations is proposed. It allows us to avoid rules selection and eliminate overlaps between classes. The essence of the approach is in constructing and training the specific min-max neuro-fuzzy network isomorphic to linguistic solutions of fuzzy relational equations, which allows adaptation of the rules set structure while the output classes’ bounds are changing. Resolution of fuzzy relational equations guarantees the optimal number of fuzzy rules for each output fuzzy term and the optimal geometry of input fuzzy terms for each linguistic solution.