КРИТЕРІЇ ТОЧНОСТІ ТА КОМПАКТНОСТІ ДЛЯ ОЦІНЮВАННЯ ЯКОСТІ НЕЧІТКИХ БАЗ ЗНАНЬ У ЗАДАЧАХ ІДЕНТИФІКАЦІЇ
Ключові слова:
нечітка база знань, критерії якості, точність, компактність, нечітка ідентифікаціяАнотація
Якість нечіткої бази знань розглянуто як властивість моделі досліджуваної залежності задовольнити вимоги замовника за багатьма критеріями, серед яких найпопулярнішими є точність і компактність. Досліджено нечіткі бази знань, що моделюють три типи залежностей із виходом у формі чіткого числа, нечіткого числа або класу рішення. Для кожного типу залежності систематизовано критерії точності відповідних нечітких баз знань. Для оцінювання компактності нечіткої бази знань описано 9 відомих частинних критеріїв та запропоновано 5 нових.Посилання
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. Генетичний алгоритм вибору правил нечіткої бази знань, збалансованої за критеріями точності та компактності [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/ejournals/ vntu/2012_3/2012-3.files/uk/12sdsacc_ua.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. Генетичний алгоритм вибору правил нечіткої бази знань, збалансованої за критеріями точності та компактності [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/ejournals/ vntu/2012_3/2012-3.files/uk/12sdsacc_ua.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.
##submission.downloads##
-
PDF
Завантажень: 57
Переглядів анотації: 215
Як цитувати
[1]
С. Д. Штовба, О. В. Штовба, і О. Д. Панкевич, «КРИТЕРІЇ ТОЧНОСТІ ТА КОМПАКТНОСТІ ДЛЯ ОЦІНЮВАННЯ ЯКОСТІ НЕЧІТКИХ БАЗ ЗНАНЬ У ЗАДАЧАХ ІДЕНТИФІКАЦІЇ», НаукПраці ВНТУ, вип. 4, Вер 2013.
Номер
Розділ
Інформаційні технології та комп'ютерна техніка
