Adaptiv neyro-qeyri səlis çıxarış sistemi

Adaptiv neyro qeyri-səlis çıxarış sistemi (ing. Adaptive neuro fuzzy inference system)— Takagi Sugeno qeyri-səlis çıxarış sisteminə əsaslanan süni neyron şəbəkənin növlərindən biri. Bu üsul 1990-cı illərin əvvəllərində inkişaf etdirilib.^[1]^[2] Həm neyron şəbəkələr, həm də qeyri-səlis məntiqin prinsiplərini özündə birləşdirəndən sonra, bu sistem vahid quruluşda hər ikisinin üstünlüklərini almaq üçün potensiala malik oldu. Onun çıxarış sistemi yaxın qeyri-xətti funksiyalar üçün öyrənmə qabiliyyətinə malik olan qeyri-səlis ƏGƏR-ONDA qaydalarının (İF-THEN) məcmusuna uyğundur.^[3] Deməli, ANFİS universal qiymət təyin edən sayılır.^[4] ANFIS-in daha səmərəli və optimal şəkildə istifadəsi üçün, genetik alqoritm vasitəsilə əldə olunan parametrləri istifadə etmək olar.^[5]^[6]

Nümunə

İki girişli və iki qaydalı sadə Takagi-Sugeno kontrolleri:

Əgər P₁₁(x₁) VƏ P₁₂(x₂) ONDA f1(x₁, x₂)

ƏGƏR P₂₁(x₁) VƏ P₂₂(x₂) ONDA f2(x₁, x₂)

Bu idarəetmə elementini reallaşdıran ANFİS aşağıdakı kimi təsvir olunur:

Yuxarıdakı sistemin eskizi

İstinadlar

↑ Jang, Jyh-Shing R. Fuzzy Modeling Using Generalized Neural Networks and Kalman Filter Algorithm (PDF). Proceedings of the 9th National Conference on Artificial Intelligence, Anaheim, CA, USA, July 14–19. 2. 1991. 762–767. 4 mart 2016 tarixində arxivləşdirilib (PDF). İstifadə tarixi: 9 noyabr 2016.
↑ Jang, J.-S.R. "ANFIS: adaptive-network-based fuzzy inference system". IEEE Transactions on Systems, Man and Cybernetics. 23 (3). 1993. doi:10.1109/21.256541.
↑ Abraham, A., Adaptation of Fuzzy Inference System Using Neural Learning // Nedjah, Nadia; de Macedo Mourelle, Luiza (redaktorlar ), Fuzzy Systems Engineering: Theory and Practice, Studies in Fuzziness and Soft Computing, 181, Germany: Springer Verlag, 2005, 53–83, doi:10.1007/11339366_3
↑ Jang, Sun, Mizutani (1997) – Neuro-Fuzzy and Soft Computing – Prentice Hall, pp 335–368, ISBN 0-13-261066-3
↑ Tahmasebi, P. "A hybrid neural networks-fuzzy logic-genetic algorithm for grade estimation" (PDF). Computers & Geosciences. 42. 2012: 18–27. 25 oktyabr 2021 tarixində arxivləşdirilib (PDF). İstifadə tarixi: 9 noyabr 2016.
↑ Tahmasebi, P. "Comparison of optimized neural network with fuzzy logic for ore grade estimation" (PDF). Australian Journal of Basic and Applied Sciences. 4. 2010: 764–772. 9 dekabr 2018 tarixində arxivləşdirilib (PDF). İstifadə tarixi: 9 noyabr 2016.

[1] Jang, Jyh-Shing R. Fuzzy Modeling Using Generalized Neural Networks and Kalman Filter Algorithm (PDF). Proceedings of the 9th National Conference on Artificial Intelligence, Anaheim, CA, USA, July 14–19. 2. 1991. 762–767. 4 mart 2016 tarixində arxivləşdirilib (PDF). İstifadə tarixi: 9 noyabr 2016.

[2] Jang, J.-S.R. "ANFIS: adaptive-network-based fuzzy inference system". IEEE Transactions on Systems, Man and Cybernetics. 23 (3). 1993. doi:10.1109/21.256541.

[3] Abraham, A., Adaptation of Fuzzy Inference System Using Neural Learning // Nedjah, Nadia; de Macedo Mourelle, Luiza (redaktorlar ), Fuzzy Systems Engineering: Theory and Practice, Studies in Fuzziness and Soft Computing, 181, Germany: Springer Verlag, 2005, 53–83, doi:10.1007/11339366_3

[4] Jang, Sun, Mizutani (1997) – Neuro-Fuzzy and Soft Computing – Prentice Hall, pp 335–368, ISBN 0-13-261066-3

[5] Tahmasebi, P. "A hybrid neural networks-fuzzy logic-genetic algorithm for grade estimation" (PDF). Computers & Geosciences. 42. 2012: 18–27. 25 oktyabr 2021 tarixində arxivləşdirilib (PDF). İstifadə tarixi: 9 noyabr 2016.

[6] Tahmasebi, P. "Comparison of optimized neural network with fuzzy logic for ore grade estimation" (PDF). Australian Journal of Basic and Applied Sciences. 4. 2010: 764–772. 9 dekabr 2018 tarixində arxivləşdirilib (PDF). İstifadə tarixi: 9 noyabr 2016.

[1]

[2]

[3]

[4]

[5]

[6]