Технологии интеллектуального анализа данных : учебное пособие

208 Известно множество подходов к получению и оптимизации системы нечетких правил из экспериментальных данных на базе обучения и модификации топологии нейронных сетей. Примеры нечетких нейронных сетей Рассмотрим примеры нечетких нейронных сетей, отличаю- щихся по своей архитектуре и алгоритмам обучения. ANFIS – адаптивная нейронная сеть, основанная на системе нечеткого вывода (Adaptive Network Based Fuzzy Inference System). Нечеткие нейронные сети типа ANFIS основаны на системе нечеткого логического вывода Сугено. Архитектура нечеткой ней- ронной сети предложена J.R. Jang и C.T. Sun. Она является наибо- лее известной и распространенной на практике. Нечеткая нейрон- ная сеть данного типа выполняет аппроксимацию эксперименталь- ных данных нечеткими правилами следующего вида: ЕСЛИ 1 x = 1 A И 2 x = 1 B ТО 1 11 1 12 2 y c x c x     ЕСЛИ 1 x = 2 A И 2 x = 2 B ТО 2 21 1 22 2 y c x c x     Структура сети ANFIS для данных правил приведена на рис. 3.28. Рис. 3.28. Пример структуры нечеткой нейронной сети ANFIS В данном случае выход нейронной сети формируется по формуле: 1 1 2 2 1 2 w y w y y w w    . x 1 x 2 у 1 у 2 у И И N N A 1 A 2 B 1 B 2 Σ