Технологии интеллектуального анализа данных : учебное пособие

210 Рис. 3.29. Пример структуры нечеткой нейронной сети NNFLC В данной архитектуре слои имеют различную функциональ- ность. Слой 1 выполняет моделирование параметрически заданной функции принадлежности:   2 2 (1) 2 ( ) i i i x c i y x e     . Слой 2 моделирует И-условия правил:   (2) min (1),..., (1) i i n y y y  . Слой 3 моделирует ИЛИ-комбинацию правил с одинаковыми термами в условиях:   (3) max (2),..., (2) i i n y y y  . В режиме обуче- ния данный слой настраивает параметры функций принадлежности выходных элементов. Слой 4 выполняет дефаззификацию результатов, после чего результаты агрегируются. Структура нечеткой нейронной сети NNFLC инициализиру- ется по принципу формирования полной матрицы правил. Если i x ( 1, i n  ) – входные переменные,   i x  – количество лингвистиче- ских категорий, которые может принимать переменная i x , то ис- ходное количество правил будет равно:   1 n i i T x     . x 1 x 2 у 1 у 2 у И И Σ ИЛИ ИЛИ Малый Большой Высокий Нор- мальный