Решение задачи классификации с использованием нейронной нечеткой сети Мамдани-Заде

Abstract

Целью данной выпускной квалификационной работы магистра является решение задачи классификации с применением нечеткой нейронной сети Мамдани-Заде и исследование эффективности применения различных реализаций S- и T-норм. Разработана интеллектуальная система, в которой реализованы: 1) модель нейронной нечѐткой сети Мамдани-Заде; 2) алгоритмы обучения методом роя частиц и методом имитации отжига; 3) подсчет погрешности классификации. Система реализована с помощью средств языка программирования C# в среде разработки Microsoft Visual Studio 2019 с использованием фреймворка .NET Core. Для обучения сети используется набор данных, основанный на данных кристаллических решѐток. В зависимости от соотношения осей и значений углов решѐтки, с учетом симметрии, кристаллические решѐтки относят к одному из семи типов: триклинная, моноклинная, тригональная, гексагональная, ромбическая, тетрагональная и кубическая.