Нечеткие множества: основы теории и приложения к моделированию решений

155 9. НЕЧЕТКИЕ НЕЙРОННЫЕ СЕТИ 9.1. Понятие нечеткой нейросети Как известно , нечеткие модели , используемые при решении прикладных задач , обладают хорошей интерпретируемостью , но требуют большой аналитической работы эксперта . В противопо - ложность нечетким моделям использование нейронных сетей ( НС ) требует минимального участия эксперта в решении задачи , мини - мума предварительной аналитической работы . Однако нейросете - вые модели обладают плохой интерпретируемостью . Эти недос - татки не могут быть преодолены в рамках каждого из рассмотрен - ных направлений в отдельности , что делает каждое из них пригодным для решения одних классов задач и менее пригодным для других классов . В настоящее время значительную актуальность приобрело создание гибридных технологий , обладающих достоинствами как нейронных сетей , так и нечетких систем – с хорошей интерпрети - руемостью , минимумом предварительной аналитической работы эксперта и способной автоматически приобретать знания для их использования в механизмах нечеткого логического вывода . О необ - ходимости комбинирования таких направлений , как нечеткая логика , нейронные сети , генетические алгоритмы для создания самостоя - тельных направлений , взаимно дополняющих друг друга , начал говорить основатель нечеткой логики Л . А . Заде еще в 1994 году .