Использование модели гибридного нейронечеткого классификатора для решения задачи классификации

Abstract

Целью данной работы является изучение модели гибридного нейронечеткого классификатора для решения задачи классификации данных, проектирование и реализация системы классификации данных на основе данной модели, сравнение полученных результатов при различных настройках параметров сети, сравнение эффективности данной модели при решении задачи классификации с эффективностью многослойного персептрона. В качестве алгоритма обучения модели гибридного нейронечеткого классификатора использовался алгоритм наискорейшего спуска с обратным распространением ошибки. Тесты проводились с использованием модельных наборов данных, описывающих виды ирисов и вин из базы UCI Machine Learning Repository, а также реальных наборов, описывающих типы кристаллических нано-решеток. Система реализована на платформе .NET Framework на языке C# в интегрированной среде разработки Microsoft Visual Studio 2013.