Нечеткие множества: основы теории и приложения к моделированию решений

157 « ИЛИ »- нейроном ( OR - нейроном ) называется нейрон , в кото - ром операция умножения веса синапса w на входной сигнал x моделируется нормой ( , ) T w x , а сложение элементов 1 1 1 p w x = ⋅ и 2 2 2 p w x = ⋅ конормой 1 2 ( , ) S p p . Например , ( 1 1 2 2 max min( , ),min( , ) Y w x w x = ) 1 1 2 2 in( , ),min( , ) w x w x . На рис . 9.1, а представлена структура нечеткого « И »- нейрона , а на рис . 9.1, б – структура нечеткого « ИЛИ »- нейрона с двумя входными сигналами . а б Рис . 9.1. Структура нечеткого : а – « И »- нейрона ; б – « ИЛИ »- нейрона Под нечеткими нейросетями понимают нейронные сети с чет - кими сигналами , весами , функциями активации , которые построены на основе многослойной архитектуры с помощью « И »- и « ИЛИ »- нечетких нейронов . Нечеткие нейросети функционируют стандарт - ным образом на основе четких действительных чисел . Нечеткой является только интерпретация результатов . Использование ННС позволяет реализовать следующий под - ход к формированию ФП нечетких множеств в нечетких системах : в качестве ФП выбирается параметризованная функция формы , параметры которой настраиваются с помощью алгоритма обучения НС . Настройка параметров может быть получена в рамках алго - ритма обратного распространения ошибки или другого оптимиза - ционного , например , генетического , алгоритма . Таким образом , обучение ННС дает возможность настроить ФП входных переменных с точки зрения обучающей выборки