Анализ эффективности алгоритмов обучения нечеткой нейронной сети Ванга-Менделя

Abstract

В данной работе исследуется эффективность различных алгоритмов обучения нечеткой нейронной сети Ванга-Менделя. Целью работы является исследование эффективности различных градиентных и стохастических алгоритмов для обучения многослойного персептрона на примере сети Ванга-Менделя для решения задачи классификации, а также получение результатов работы сети, обученной различными алгоритмами, для решения практических задач. Разработана автоматизрованная система «Modular Fuzzy Net», позволяющая обучать сеть Ванга-Менделя с помощью различных алгоритмов, сохранять структуру обученной сети для использования при классификации. Возможно обучение сетей с тремя видами алгебр: Гёделя, Гогена и Лукашевича. Обучение сети ведется с помощью следующих алгоритмов: алгоритма обратного распространения ошибки, генетического алгоритма с различными видами кроссоверов, алгоритма имитации отжига, алгоритма имитации роя частиц, алгоритма дифференциальной эволюции и авгоритма сопряженных градиентов. Кроме того, реализована загрузка обучаю