Главная > Искусственные нейронные сети. Теория и практика
<< Предыдущий параграф
Следующий параграф >>
<< Предыдущий параграф Следующий параграф >>
Макеты страниц

3.5. Нечеткий классификатор

Рассмотрим, как с помощью нечеткой нейронной сети может быть решена задача классификации. Допустим, что объекты характеризуется двумя признаками и относится к одному двух классов или Каждый вход представляется двумя лингвистическими понятиями, что позволяет ограничиться всего четырьмя правилами.

Одна из возможных структур нечеткой нейронной сети решения подобной задачи приведена на рис. 3.19.

Сеть состоит из трех слоев нейронов.

• Слой 1. Выходы нейронов данного слоя определяют степени принадлежности входных переменных к соответствующий нечетким множествам

Здесь выбраны функции принадлежности колоколообразного вида Например,

с набором параметров

Значения этих параметров корректируются в процессе обучения сети, основанном на градиентном методе.

• Слой 2. Каждый нейрон этого слоя является нечетким нейроном «И».

• Слой 3. Нейроны данного слоя являются обычными нейронами, осуществляющими взвешенное суммирование значений выходов нейронов предыдущего слоя. А их выходы формируются с использованием активационных функций, например, сигмоидного типа. Эти выходы трактуются как степени принадлежности предъявленного объекта первому или второму классу.

Алгоритм обучения данной сети не отличается от ранее рассмотренного.

<< Предыдущий параграф Следующий параграф >>
Оглавление