КРИТЕРИИ ТОЧНОСТИ И КОМПАКТНОСТИ ДЛЯ ОЦЕНКИ КАЧЕСТВА НЕЧЕТКИХ БАЗ ЗНАНИЙ В ЗАДАЧАХ ИДЕНТИФИКАЦИИ
Ключевые слова:
нечеткая база знаний, критерии качества, точность, компактность, нечеткая идентификацияАннотация
Качество нечеткой базы знаний рассматривается как свойство модели исследуемой зависимости удовлетворить требования заказчика по многим критериям, среди которых наиболее популярными являются точность и компактность. Исследуются нечеткие базы знаний, моделирующие три типа зависимостей с выходом в виде четкого числа, нечеткого числа или класса решения. Для каждого типа зависимости систематизированы критерии точности соответствующих нечетких баз знаний. Для оценивания компактности нечеткой базы знаний описано 9 известных частных критериев и предложено 5 новых.Библиографические ссылки
1. Ishibuchi H. Single-objective and two-objective genetic algorithms for selecting linguistic rules for pattern classification problems / H. Ishibuchi, T. Murata, I. B. Turksen // Fuzzy Sets and Systems. – 1997. – Vol. 89, No. 2 – P. 135 – 50.
2. Штовба С. Д. Вплив кількості нечітких правил на точність бази знань Мамдані / С. Д. Штовба, В. В. Мазуренко, О. Д. Панкевич // Вісник Хмельницького національного університету. Технічні науки. – 2011. – № 2. – С. 185 – 188.
3. Штовба С. Д. Залежність точності ідентифікації від обсягу нечіткої синглтоної бази знань / С. Д. Штовба, О. Д. Панкевич, В. В. Мазуренко // Інформаційні технології та комп’ютерна інженерія. – 2011. – № 1. – С. 73 – 78.
4. Штовба С. Д. Дослідження навчання компактних нечітких баз знань типу Мамдані / С. Д. Штовба , В. В. Мазуренко // Штучний інтелект. – 2011. – № 4. – С. 521 – 529.
5. Штовба С. Д. Дослідження навчання компактних нечітких синглтонних баз знань / С. Д. Штовба, В. В. Мазуренко // Вимірювальна та обчислювальна техніка в технологічних процесах. – 2011. – № 1. – С. 133 – 139.
6. Генетический алгоритм выбора правил нечеткой базы знаний, сбалансированной по критериям точности и компактности [Електронний ресурс] / С. Д. Штовба , В. В. Мазуренко, Д. А. Савчук // Наукові праці Вінницького національного технічного університету. – 2012. – №3. Режим доступу до журн.: http://www.nbuv.gov.ua/e-journals/vntu/2012_3/2012-3_ru.files/ru/12sdsacc_ru.pdf.
7. Riid A. Identification of Transparent, Compact, Accurate and Reliable Linguistic Fuzzy Models / A. Riid, E. Rüstern // Information Sciences. – 2011. – Vol. 181, № 20. – P. 4378 – 4393.
8. Guillaume S. Learning interpretable fuzzy inference systems with FisPro // Information Sciences / S. Guillaume, B. Charnomordic // Information Sciences. – 2011. – Vol. 181, № 20. – P. 4409 – 4427.
9. Mencar C. Design of fuzzy rule-based classifiers with semantic cointension / C. Mencar, С. Castiello, R. Cannone, A. M. Fanelli // Information Sciences. – 2011. – Vol. 181, № 20. – P. 4361 – 4377.
10. Gacto M. J. Interpretability of linguistic fuzzy rule-based systems: An overview of interpretability measures / M. J. Gacto, R. Alcala, F. Herrera // Information Sciences. – 2011. – Vol. 181, № 20. – P. 4340 – 4360.
11. Штовба С. Д. Проектирование нечетких систем средствами MATLAB / С. Д. Штовба. – М.: Горячая линия. – Телеком, 2007. – 288 с.
12. Mamdani E. H. An Experiment in Linguistic Synthesis with Fuzzy Logic Controller / E. H. Mamdani, S. Assilian // Int. J. Man-Machine Studies. – 1975. – Vol. 7, № 1. – P. 1 - 13.
13. Takagi T. Fuzzy Identification of Systems and Its Applications to Modeling and Control / T. Takagi, M. Sugeno // IEEE Trans. on Systems, Man, and Cybernetics. – 1985. Vol. 15, № 1. – P. 116 - 132.
14. Ротштейн А. П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети / А. П. Ротштейн. – Винница: УНІВЕРСУМ–Вінниця, 1999. – 320 с.
15. Штовба С. Д. Настройка нечеткой модели по обучающей выборке с нечетким выходом / С. Д. Штовба // Кибернетика и системный анализ. – 2007. – № 3. – C. 26 – 32.
16. Штовба С. Д. Навчання нечіткої бази знань за вибіркою нечітких даних / С. Д. Штовба // Штучний інтелект. – 2006. – № 4. – C. 560 – 570.
17. Pedrycz W. An Identification Algorithm in Fuzzy Relational Systems / W. Pedrycz // Fuzzy Sets and Systems. – 1984. – № 13. – P. 153 – 167.
18. Штовба С. Д. Моделювання залежностей за допомогою нечіткої бази знань з нечіткими регресійними рівняннями / С. Д. Штовба // Вісник Вінницького політехнічного інституту. – 2011. – № 3. – C. 195 – 199.
19. Ротштейн А. П. Моделирование надежности человека-оператора с помощью нечеткой базы знаний Сугено / А. П. Ротштейн, С. Д. Штовба // Автоматика и телемеханика. – 2009. – № 1. – С. 180 – 187.
20. Shtovba S. Tuning the Fuzzy Classification Models with Various Learning Criteria: the Case of Credit Data Classification / S. Shtovba, O. Pankevich, G. Dounias // Fuzzy Sets and Soft Computing in Economics and Finance : intern. conference, 17 – 20 June 2004 : proc., Vol. 1. – St. Petersburg (Russia), 2004. – P. 103 – 110.
21. Штовба С. Д. Порівняння критеріїв навчання нечіткого класифікатора / С. Д. Штовба // Вісник Вінницького політехнічного інституту. – 2007. – № 6. – С. 84 – 91.
2. Штовба С. Д. Вплив кількості нечітких правил на точність бази знань Мамдані / С. Д. Штовба, В. В. Мазуренко, О. Д. Панкевич // Вісник Хмельницького національного університету. Технічні науки. – 2011. – № 2. – С. 185 – 188.
3. Штовба С. Д. Залежність точності ідентифікації від обсягу нечіткої синглтоної бази знань / С. Д. Штовба, О. Д. Панкевич, В. В. Мазуренко // Інформаційні технології та комп’ютерна інженерія. – 2011. – № 1. – С. 73 – 78.
4. Штовба С. Д. Дослідження навчання компактних нечітких баз знань типу Мамдані / С. Д. Штовба , В. В. Мазуренко // Штучний інтелект. – 2011. – № 4. – С. 521 – 529.
5. Штовба С. Д. Дослідження навчання компактних нечітких синглтонних баз знань / С. Д. Штовба, В. В. Мазуренко // Вимірювальна та обчислювальна техніка в технологічних процесах. – 2011. – № 1. – С. 133 – 139.
6. Генетический алгоритм выбора правил нечеткой базы знаний, сбалансированной по критериям точности и компактности [Електронний ресурс] / С. Д. Штовба , В. В. Мазуренко, Д. А. Савчук // Наукові праці Вінницького національного технічного університету. – 2012. – №3. Режим доступу до журн.: http://www.nbuv.gov.ua/e-journals/vntu/2012_3/2012-3_ru.files/ru/12sdsacc_ru.pdf.
7. Riid A. Identification of Transparent, Compact, Accurate and Reliable Linguistic Fuzzy Models / A. Riid, E. Rüstern // Information Sciences. – 2011. – Vol. 181, № 20. – P. 4378 – 4393.
8. Guillaume S. Learning interpretable fuzzy inference systems with FisPro // Information Sciences / S. Guillaume, B. Charnomordic // Information Sciences. – 2011. – Vol. 181, № 20. – P. 4409 – 4427.
9. Mencar C. Design of fuzzy rule-based classifiers with semantic cointension / C. Mencar, С. Castiello, R. Cannone, A. M. Fanelli // Information Sciences. – 2011. – Vol. 181, № 20. – P. 4361 – 4377.
10. Gacto M. J. Interpretability of linguistic fuzzy rule-based systems: An overview of interpretability measures / M. J. Gacto, R. Alcala, F. Herrera // Information Sciences. – 2011. – Vol. 181, № 20. – P. 4340 – 4360.
11. Штовба С. Д. Проектирование нечетких систем средствами MATLAB / С. Д. Штовба. – М.: Горячая линия. – Телеком, 2007. – 288 с.
12. Mamdani E. H. An Experiment in Linguistic Synthesis with Fuzzy Logic Controller / E. H. Mamdani, S. Assilian // Int. J. Man-Machine Studies. – 1975. – Vol. 7, № 1. – P. 1 - 13.
13. Takagi T. Fuzzy Identification of Systems and Its Applications to Modeling and Control / T. Takagi, M. Sugeno // IEEE Trans. on Systems, Man, and Cybernetics. – 1985. Vol. 15, № 1. – P. 116 - 132.
14. Ротштейн А. П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети / А. П. Ротштейн. – Винница: УНІВЕРСУМ–Вінниця, 1999. – 320 с.
15. Штовба С. Д. Настройка нечеткой модели по обучающей выборке с нечетким выходом / С. Д. Штовба // Кибернетика и системный анализ. – 2007. – № 3. – C. 26 – 32.
16. Штовба С. Д. Навчання нечіткої бази знань за вибіркою нечітких даних / С. Д. Штовба // Штучний інтелект. – 2006. – № 4. – C. 560 – 570.
17. Pedrycz W. An Identification Algorithm in Fuzzy Relational Systems / W. Pedrycz // Fuzzy Sets and Systems. – 1984. – № 13. – P. 153 – 167.
18. Штовба С. Д. Моделювання залежностей за допомогою нечіткої бази знань з нечіткими регресійними рівняннями / С. Д. Штовба // Вісник Вінницького політехнічного інституту. – 2011. – № 3. – C. 195 – 199.
19. Ротштейн А. П. Моделирование надежности человека-оператора с помощью нечеткой базы знаний Сугено / А. П. Ротштейн, С. Д. Штовба // Автоматика и телемеханика. – 2009. – № 1. – С. 180 – 187.
20. Shtovba S. Tuning the Fuzzy Classification Models with Various Learning Criteria: the Case of Credit Data Classification / S. Shtovba, O. Pankevich, G. Dounias // Fuzzy Sets and Soft Computing in Economics and Finance : intern. conference, 17 – 20 June 2004 : proc., Vol. 1. – St. Petersburg (Russia), 2004. – P. 103 – 110.
21. Штовба С. Д. Порівняння критеріїв навчання нечіткого класифікатора / С. Д. Штовба // Вісник Вінницького політехнічного інституту. – 2007. – № 6. – С. 84 – 91.
Загрузки
-
PDF
Загрузок: 175
Просмотров анотаций: 200
Как цитировать
Штовба, С. Д., Е. В. Штовба, и О. Д. Панкевич. «КРИТЕРИИ ТОЧНОСТИ И КОМПАКТНОСТИ ДЛЯ ОЦЕНКИ КАЧЕСТВА НЕЧЕТКИХ БАЗ ЗНАНИЙ В ЗАДАЧАХ ИДЕНТИФИКАЦИИ». Научные труды Винницкого национального технического университета, вып. 4, сентябрь 2013 г., https://trudy.vntu.edu.ua/index.php/trudy/article/view/361.
Выпуск
Раздел
Информационные технологии и компьютерная техника
