Нейро-нечіткі мережі
Введення
Штучні нейромережеві системи - один із перспективних напрямків у галузі розробки штучного інтелекту. Особливу привабливість в утилітарному сенсі нейромережі отримали через здатність виявляти неявні закономірності в різних процесах за відсутності необхідності в розумінні цих закономірностей, а також через здатність до запам'ятовування представлених образів. p align="justify"> Основа для теорії штучних нейронних мереж з'явилася в процесі спроб нейробіологів змоделювати діяльність нервової системи і мозку живих організмів. Якщо фізичні основи дії живих нервових клітин були досить ясні, то сам механізм навчання мозку і використання ним отриманих навичок довгий час залишався невідомим. Першим кроком до створення штучної нейроподібної системи була модель Д. Хеба, який у 1949 році запропонував закон навчання, який послужив стартовою точкою для алгоритмів навчання штучних нейронних мереж. Подальший розвиток теорії, періодично наштовхуючись на значні труднощі, призвело до появи в 1986 р. низки практично застосовних знань і методів для вирішення низки актуальних завдань. br/>
1. Нейро-нечіткі мережі
Нейро-нечітка мережа являє собою багатошарову нейронну мережу спеціальної структури без зворотних зв'язків, у якій використовуються звичайні (Не нечіткі) сигнали, ваги і функції активації, а виконання операції підсумовування засноване на використанні фіксованої Т-норми, Т-конорми або деякої іншої безперервної операції. При цьому значення входів, виходів і ваг гібридної нейронної мережі являють собою речові числа з відрізка [0,1]. p align="justify"> Призначення нейро-нечітких мереж - витяг знань. Вони призначені для реалізації нечітких правил на базі нейронних мереж. Такий підхід дозволяє компенсувати один з головних недоліків нейронних мереж, який полягає в тому, що відповідь нейронних мереж є не В«прозоримВ». Сама нейронна мережа - це В«чорний ящикВ», тобто пояснити відповідь неможливо. Цей підхід дозволяє реалізувати функцію, пояснення для нейронних мереж. p align="justify"> Існує ряд класичних методів прогнозування економічних показників, що базуються на апараті математичної статистики, серед яких виділяються методи аналізу та моделювання часових рядів, методи багатовимірного регресійного аналізу. Особливістю зазначених методів є необхідність чіткої специфікації конструюються моделей, крім того, додаткові труднощі для використання цих методів створює не стаціонарність досліджуваних економічних процесів. p align="justify"> Перспективним напрямом в області вирішення завдань прогнозування є застосування апарату штучних нейро-нечітких мереж.
Нечіткі нейронні мережі або гібридні мережі покликані об'єднати в собі переваги нейронних мереж і систем нечітког...
