Отрывок: 4 Исследование метода нечеткой кластеризации C-means Алгоритм C-means является нечётким – он определяет не однозначность вхождение объекта в кластер, а степени принадлежности различнм кластерам. Это даёт преимущества в качестве разбиения в случаях, когда кластеры находятся близко друг к другу, и большое число точек находится на их границах. Одними из основных недостатков метода нечёткой кластеризации C- means является априорное определение числа кластеров и отсутствие гарантии глоб...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Казанцева И. С. | ru |
dc.contributor.author | Солдатова О. П. | ru |
dc.contributor.author | Министерство образования и науки Российской Федерации | ru |
dc.contributor.author | Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет) | ru |
dc.coverage.spatial | генерация правил | ru |
dc.coverage.spatial | нейронные сети | ru |
dc.coverage.spatial | нечеткая логика | ru |
dc.coverage.spatial | нечеткая нейронная сеть | ru |
dc.coverage.spatial | сеть Тагаки-Сугено-Канга | ru |
dc.coverage.spatial | фуззификация | ru |
dc.coverage.spatial | дефуззификация | ru |
dc.creator | Казанцева И. С. | ru |
dc.date.issued | 2017 | ru |
dc.identifier | RU\НТБ СГАУ\ВКР20170707152640 | ru |
dc.identifier.citation | Казанцева, И. С. Исследование алгоритмов генерации нечетких правил для сети Такаги-Сугено-Канга : вып. квалификац. работа по спец. "Информатика и вычислительная техника" / И. С. Казанцева ; рук. работы О. П. Солдатова ; М-во образования и науки Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Фак-т информатики, Каф. информ. систем и технологий. - Самара, 2017. - on-line | ru |
dc.description.abstract | В рамках выпускной квалификационной работы было проведено исследование алгоритмов генерации баз нечетких продукционных правил для нейронной сети Такаги-Сугено-Канга. Целью данной работы является реализация алгоритма Абе-Лэна, который генерирует базу нечетких продукционных правил вывода, и алгоритма С-means, который генерирует предпосылки для нечетких продукционных правил вывода. Задача также предполагает проектирование нечеткой продукционной нейронной сети Такаги-Сугено-Канга. В качестве алгоритма обучения нейронной сети Такаги-Сугено-Канга использовался алгоритм наискорейшего спуска и метод обратного распространения ошибки. Тесты проводились с использованием модельных наборов данных, описывающих виды ирисов из базы UCI Machine Learning Repository. Система реализована на языке C# в интегрированной среде разработки Visual Studio | ru |
dc.format.extent | Электрон. дан. (1 файл : 1,5 Мб) | ru |
dc.title | Исследование алгоритмов генерации нечетких правил для сети Такаги-Сугено-Канга | ru |
dc.type | Text | ru |
dc.subject.rugasnti | 50.37.23 | ru |
dc.subject.udc | 004.032.26 | ru |
dc.textpart | 4 Исследование метода нечеткой кластеризации C-means Алгоритм C-means является нечётким – он определяет не однозначность вхождение объекта в кластер, а степени принадлежности различнм кластерам. Это даёт преимущества в качестве разбиения в случаях, когда кластеры находятся близко друг к другу, и большое число точек находится на их границах. Одними из основных недостатков метода нечёткой кластеризации C- means является априорное определение числа кластеров и отсутствие гарантии глоб... | - |
Располагается в коллекциях: | Выпускные квалификационные работы |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
Казанцева_Ирина_Сергеевна_Исследование_алгоритмов_генерации_нечетких.pdf | 1.52 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.