Технологии интеллектуального анализа данных : учебное пособие

207 Под нечеткой нейронной сетью понимают нейронную сеть с четкими сигналами, весами, функциями активации, которая по- строена на основе многослойной архитектуры с помощью И- и ИЛИ-нечетких нейронов. Нечеткая нейронная сеть функционирует стандартным образом на основе четких действительных чисел. Нечеткой является только интерпретация результатов. Использование нечетких нейронных сетей позволяет реали- зовать следующий подход к формированию функций принадлеж- ности нечетких множеств в нечетких системах: в качестве функции принадлежности выбирается параметризованная функция формы, параметры которой настраиваются с помощью алгоритма обучения нейронной сети. Настройка параметров может быть получена в рамках алгоритма обратного распространения ошибки. Таким образом, обучение нечеткой нейронной сети дает воз- можность настроить функции принадлежности входных перемен- ных с точки зрения обучающей выборки и осуществить аппрокси- мацию экспериментальных данных с помощью нечетких систем. Предположим, что нечеткой нейронной сетью должно быть реализовано отображение, заданное в виде обучающей выборки     , i i x y , где   1 ,..., i i i n x x x  – вектор входных значений сети; i y – соответствующее значение выхода ( 1, i N  ). Тогда в результате обучения нечеткой нейронной сети будет получена система нечет- ких продукций, аппроксимирующая экспериментальные данные с требуемой точностью, следующего вида: j U : ЕСЛИ 1 x есть 1 j A  И 2 x есть 2 j A  И ... И n x есть nj A  ТО i y z  , 1, j m  , где ij A  – нечеткие числа; i z – вещественные числа.