Нечеткие множества: основы теории и приложения к моделированию решений

170 пример , конкретное состояние объекта , в котором он находился при указанных условиях ( конкретных значениях входных перемен - ных ). Следовательно , имея характеристики N объектов ( или N на - блюдений за объектами ), можно сформировать исходную таблицу данных , пригодных для обучения ННС и формирования базы зна - ний . При этом нечеткая нейронная сеть выступает в качестве инст - румента интеллектуального анализа данных и формирования базы знаний . Контрольные вопросы 1. Что такое нечеткая нейросеть ? 2. Для решения каких задач применяются нечеткие нейросети ? 3. Из каких структурных элементов состоит нечеткая нейро - сеть ? 4. Какими параметрами определяется структура нечеткой нейросети ? 5. Что означает аббревиатура ANFIS? 6. От каких компонентов зависит структура нечеткой нейро - сети ANFIS? 7. Какова связь модели нечеткого логического вывода Сугено и нечеткой нейросети ANFIS? 8. В чем заключается идентификация нейронечетких моделей ? 9. Каковы особенности структурной и параметрической идентификации ? 10. Какими алгоритмами можно обучить нечеткую нейросеть ANFIS? 11. Какие существуют алгоритмы обучения нечетких нейросе - тей ? 12. Особенности алгоритма обратного распространения ошибки . 13. Особенности гибридного алгоритма обучения . 14. Особенности алгоритма самоорганизации . 15. Что нужно для формирования нечеткой базы знаний на ос - нове нечеткой нейронной сети ?