Исследование эффективности нечеткой нейронной сети ANFIS в задачах макроэкономического прогнозирования

Рассмотрена нечеткая нейронная сеть ANFIS, использующая логический вывод Сугено. Описан алгоритм обучения сети и приведены результаты ее экспериментальных исследований в задачах макроэкономического прогнозирования на примере экономики Украины. Розглянуто нечітку нейронну мережу ANFIS, яка використов...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Datum:2005
Hauptverfasser: Зайченко, Ю.П., Севаее, Ф.
Format: Artikel
Sprache:Russisch
Veröffentlicht: Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України 2005
Schlagworte:
Online Zugang:https://nasplib.isofts.kiev.ua/handle/123456789/13765
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:Исследование эффективности нечеткой нейронной сети ANFIS в задачах макроэкономического прогнозирования / Ю.П. Зайченко, Ф. Севаее // Систем. дослідж. та інформ. технології. — 2005. — № 1. — С. 100-112. — Бібліогр.: 4 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine
Beschreibung
Zusammenfassung:Рассмотрена нечеткая нейронная сеть ANFIS, использующая логический вывод Сугено. Описан алгоритм обучения сети и приведены результаты ее экспериментальных исследований в задачах макроэкономического прогнозирования на примере экономики Украины. Розглянуто нечітку нейронну мережу ANFIS, яка використовує логічний висновок Сугено. Описано алгоритм навчання мережі на основі градієнтного методу. Проведено експериментальні дослідження її застосування в задачах макроекономічного прогнозування на прикладі економіки України. The fuzzy neural network ANFIS with logical inference of Sugeno is considered. The training algorithm is described and its experimental investigations in the problem of macroeconomic indexes forecasting on the example of Ukrainian economy are presented.
ISSN:1681–6048