Исследование влияния алгоритмов генерации нечетких правил на эффективность решения задачи классификации

Abstract

Задача предварительного анализа и корректировки исходных данных является актуальной задачей при обучении нечетких нейронных сетей, предназначенных для классификации входных выборок различного вида и качества. В особенности это касается обучающих выборок, поскольку от них напрямую зависит качество работы сети в дальнейшем. Целью данной выпускной квалификационной работы магистра является исследование влияния алгоритмов генерации нечетких правил на эффективность решения задачи классификации для нечеткой продукционной нейронной сети Ванга-Менделя. Для достижения поставленной цели была разработана автоматизированная система, позволяющая генерировать и загружать данные для обучения и тестирования нейронной сети, осуществлять выбор алгоритма и параметров обучения, выбор алгоритмов генерации баз нечетких правил, относить тестовые данные к какому-либо заранее определенному классу. Система реализована на языке программирования Java с применением внешних библиотек в среде разработки IntelliJ IDEA Community.