АДАПТИВНИЙ ПОДВІЙНИЙ НЕО-ФАЗЗІ НЕЙРОН ТА ЙОГО КОМБІНОВАНЕ НАВЧАННЯ

Анотація

Предметом вивчення в статті є процес класифікації даних за умов нечіткості та обмеженого об’єму навчальної вибірки. Метою є удосконалення подвійного нео-фаззі нейрона в рамках вирішення задачі класифікації даних із обмеженнями щодо об’єму тренувальної вибірки, часу обробки, а також нечіткості та не стаціонарності вхідних даних. Завдання: удосконалення подвійного нео-фаззі нейрона для покращення апроксимаційних властивостей системи, а також розробка комбінованого методу навчання системи для забезпечення швидкої в онл айн режимі. Використовуваними підходами є: ліниве навчання, навчання з учителем та самонавчання. Отримані наступні результати. Модифіковано подвійний нео-фаззі нейрон, запропоновано метод комбінованого навчання, що забезпечує оптимальну швидкість при налаштуванні синоптичних ваг та автоматичне формування функцій належності в онлайн-режимі за умов обмеженої навчальної вибірки. Висновки. Удосконалено подвійний нео-фаззі нейрон шляхом введенням стискаючої активаційної функції на виході, що створює умови для побудови нео-фаззі мережі з можливістю адаптації до нестаціонарних вхідних даних за умови роботи в онлайн режимі, а також уникнути проблеми зникаючого градієнту. Запропоновано комбінований метод навчання подвійного нео-фаззі нейрону, який передбачає паралельне використання лінивого навчання, навчання з учителем та самонавчання за правилом «Переможець забирає все» з подальшим автоматичним формуванням функцій належності, що дає можливість швидкої класифікації в режимі онлайн за умови наявності викидів у вхідних даних.