Анализ эффективности алгоритмов обучения нечеткой сети Ванга-Менделя

Abstract

При обучении нечетких сетей часто сталкиваются с проблемой выбора алгоритма обучения. Для решения проблемы выбора наиболее эффективного алгоритма обучения в работе были исследованы различные градиентные и стохастические алгоритмы обучения сети Ванга-Менделя. В качестве градиентных алгоритмов были выбраны алгоритм градиентного спуска и алгоритм сопряженных градиентов. Стохастические алгоритмы представлены генетическим алгоритмом, алгоритмом имитации отжига, алгоритмом имитации роя частиц и алгоритмом дифференциальной эволюции. Эффективность алгоритмов обучения исследована на примере решения задачи классификации двух наборов модельных данных: ирисов Фишера и итальянских вин. Для исследования обучаются несколько модификаций сети Ванга-Менделя с различными алгебрами нечеткой логики: алгеброй Геделя, алгеброй Гогена и алгеброй Лукашевича. Для классификации вин лучшие результаты показала модель сети с алгеброй Гогена, обученная генетическим алгоритмом. Для классификации ирисов с лучшие результаты также показала мод