Алгоритм обучения нечеткого классификатора с использованием генетических процедур
В статье рассматривается новый алгоритм обучения нечеткого классификатора, позволяющий с помощью генетических процедур обучать одновременно как базу правил, так и базу данных нечеткого классификатора (параметры функций принадлежности элементов предпосылки правила). Специально разработанные генетичес...
Збережено в:
| Опубліковано в: : | Штучний інтелект |
|---|---|
| Дата: | 2011 |
| Автори: | , |
| Формат: | Стаття |
| Мова: | Russian |
| Опубліковано: |
Інститут проблем штучного інтелекту МОН України та НАН України
2011
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/58810 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Алгоритм обучения нечеткого классификатора с использованием генетических процедур / Н.А. Новоселова, И.Э. Том // Штучний інтелект. — 2011. — № 1. — С. 218-228. — Бібліогр.: 5 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-58810 |
|---|---|
| record_format |
dspace |
| spelling |
Новоселова, Н.А. Том, И.Э. 2014-03-31T11:21:09Z 2014-03-31T11:21:09Z 2011 Алгоритм обучения нечеткого классификатора с использованием генетических процедур / Н.А. Новоселова, И.Э. Том // Штучний інтелект. — 2011. — № 1. — С. 218-228. — Бібліогр.: 5 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/58810 004.8 В статье рассматривается новый алгоритм обучения нечеткого классификатора, позволяющий с помощью генетических процедур обучать одновременно как базу правил, так и базу данных нечеткого классификатора (параметры функций принадлежности элементов предпосылки правила). Специально разработанные генетические процедуры позволяют параллельно оптимизировать несколько критериев, отвечающих за точность, интерпретируемость и компактность нечеткого классификатора. Сравнительное тестирование разработанного алгоритма с зарубежными аналогами на тестовом наборе данных Wine показало его преимущество в части интерпретируемости при сохранении высокой точности классификации. Розглядається новий алгоритм навчання нечіткого класифікатора, що дозволяє за допомогою генетичних процедур навчати одночасно як базу правил, так і базу даних нечіткого класифікатора (параметри функцій приналежності елементів передумови правила). Спеціально розроблені генетичні процедури дозволяють паралельно оптимізувати кілька критеріїв, відповідальних за точність, інтерпретованість і компактність нечіткого класифікатора. Порівняльне тестування розробленого алгоритму із закордонними аналогами на тестовому наборі даних Wine показало його перевагу у частині інтерпретованості при збереженні високої точності класифікації. In the paper the new learning algorithm of fuzzy classifier (FK) is proposed, which uses the genetic procedures to simultaneously adjust both the rule base and data base (the parameters of membership function of rule premises) of FK. The specially developed genetic procedures permit to optimize in parallel several criteria, responsible for classification accuracy, simplicity and compactness of fuzzy classifier. The comparative analysis of developed algorithm on the testing dataset Wine shows its advantage over foreign analogs according to interpretability of results preserving the high classification accuracy. ru Інститут проблем штучного інтелекту МОН України та НАН України Штучний інтелект Моделирование объектов и процессов Алгоритм обучения нечеткого классификатора с использованием генетических процедур Алгоритм навчання нечіткого класифікатора з використанням генетичних процедур Learning Algorithm of Fuzzy Classifier with Genetic Procedures Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Алгоритм обучения нечеткого классификатора с использованием генетических процедур |
| spellingShingle |
Алгоритм обучения нечеткого классификатора с использованием генетических процедур Новоселова, Н.А. Том, И.Э. Моделирование объектов и процессов |
| title_short |
Алгоритм обучения нечеткого классификатора с использованием генетических процедур |
| title_full |
Алгоритм обучения нечеткого классификатора с использованием генетических процедур |
| title_fullStr |
Алгоритм обучения нечеткого классификатора с использованием генетических процедур |
| title_full_unstemmed |
Алгоритм обучения нечеткого классификатора с использованием генетических процедур |
| title_sort |
алгоритм обучения нечеткого классификатора с использованием генетических процедур |
| author |
Новоселова, Н.А. Том, И.Э. |
| author_facet |
Новоселова, Н.А. Том, И.Э. |
| topic |
Моделирование объектов и процессов |
| topic_facet |
Моделирование объектов и процессов |
| publishDate |
2011 |
| language |
Russian |
| container_title |
Штучний інтелект |
| publisher |
Інститут проблем штучного інтелекту МОН України та НАН України |
| format |
Article |
| title_alt |
Алгоритм навчання нечіткого класифікатора з використанням генетичних процедур Learning Algorithm of Fuzzy Classifier with Genetic Procedures |
| description |
В статье рассматривается новый алгоритм обучения нечеткого классификатора, позволяющий с помощью генетических процедур обучать одновременно как базу правил, так и базу данных нечеткого классификатора (параметры функций принадлежности элементов предпосылки правила). Специально разработанные генетические процедуры позволяют параллельно оптимизировать несколько критериев, отвечающих за точность, интерпретируемость и компактность нечеткого классификатора. Сравнительное тестирование разработанного алгоритма с зарубежными аналогами на тестовом наборе данных Wine показало его преимущество в части интерпретируемости при сохранении высокой точности классификации.
Розглядається новий алгоритм навчання нечіткого класифікатора, що дозволяє за допомогою генетичних процедур навчати одночасно як базу правил, так і базу даних нечіткого класифікатора (параметри функцій приналежності елементів передумови правила). Спеціально розроблені генетичні процедури дозволяють паралельно оптимізувати кілька критеріїв, відповідальних за точність, інтерпретованість і компактність нечіткого класифікатора. Порівняльне тестування розробленого алгоритму із закордонними аналогами на тестовому наборі даних Wine показало його перевагу у частині інтерпретованості при збереженні високої точності класифікації.
In the paper the new learning algorithm of fuzzy classifier (FK) is proposed, which uses the genetic procedures to simultaneously adjust both the rule base and data base (the parameters of membership function of rule premises) of FK. The specially developed genetic procedures permit to optimize in parallel several criteria, responsible for classification accuracy, simplicity and compactness of fuzzy classifier. The comparative analysis of developed algorithm on the testing dataset Wine shows its advantage over foreign analogs according to interpretability of results preserving the high classification accuracy.
|
| issn |
1561-5359 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/58810 |
| citation_txt |
Алгоритм обучения нечеткого классификатора с использованием генетических процедур / Н.А. Новоселова, И.Э. Том // Штучний інтелект. — 2011. — № 1. — С. 218-228. — Бібліогр.: 5 назв. — рос. |
| work_keys_str_mv |
AT novoselovana algoritmobučeniânečetkogoklassifikatorasispolʹzovaniemgenetičeskihprocedur AT tomié algoritmobučeniânečetkogoklassifikatorasispolʹzovaniemgenetičeskihprocedur AT novoselovana algoritmnavčannânečítkogoklasifíkatorazvikoristannâmgenetičnihprocedur AT tomié algoritmnavčannânečítkogoklasifíkatorazvikoristannâmgenetičnihprocedur AT novoselovana learningalgorithmoffuzzyclassifierwithgeneticprocedures AT tomié learningalgorithmoffuzzyclassifierwithgeneticprocedures |
| first_indexed |
2025-12-07T19:52:32Z |
| last_indexed |
2025-12-07T19:52:32Z |
| _version_ |
1850880454920503296 |