|
Nie obrażaj więc mojej inteligencji poprzez czynione na pokaz zaniżanie własnej.
System neuronowo-rozmyty
Wstęp System neuronow-rozmyty jest to system łączący sieci neuronowe i logikę rozmytą. Sieci neuronowe potrafią się uczyć z danych numerycznych wykorzystując wartości wag sieci. Logika rozmyta stanowi uogólnienie klasycznej dwuwartościowej logiki. W logice rozmytej między stanem 0 (fałsz) a stanem 1 (prawda) rozciąga się szereg wartości pośrednich, które określają stopień przynależności elementu do zbioru. Połączenie zalet obu metod stworzyło nowe narzędzie nazywane systemem neuronowo-rozmytym. Algorytm ANFIS jest jednym z przykładów algorytmu/implementacji systemów nauronowo-rozmytych. Wykorzystuje on zarówno proces optymalizacji z wykorzystaniem algorytmów gradientowych jak i algorytm propagacji wstecznej. Zadanie Moim zadaniem było stworzenie systemu ANFIS zdolnego do odwzorowania zależności między dostarczonymi danymi wykorzystując aplikacje zawartą w MatLabie. Dane należało losowo (równomiernie) podzielić na uczące i testowe w stosunku 80% do 20%. Dane rozlosowałem wykorzystując aplikacje Microsoft Excel w żądanej proporcji. Do tworzenia systemu ANFIS wykorzystałem programu „anfisedit” w aplikacji MatLab. Do optymalizacji wybrałem metody hybrydowej. Wykonałem pare testów dla różnej liczby (3,5,7,15) i róznych kształtów (trójkątny, trapezowy, gaussowski) zbiorów rozmytych. Poniżej przedstawiam rezultaty. Dane do nauczenia: · Dane testowe: · Wyniki o Zbiory trójkątne 3 zbiory – błąd nauczania 0.31478 · Nauczone dane treningowe Dopasowane dane testowe 5 zbiorów – błąd nauczania 0.2398 Nauczone dane treningowe Dopasowane dane testowe 7 zbiorów – błąd nauczania 0.14771 15 zbiorów – błąd nauczania 0.079477 o Zbiory trapezowe 3 zbiory – błąd nauczania 0.19791 5 zbiorów – błąd nauczania 0.13069 |
Menu
|