Аналіз систем нечіткої логіки для апроксимації нечітких функцій

Abstract

Розглядаються три моделі нечіткого логічного виведення: нечіткий шаблон, нечіткі нейронні мережі ANFIS і NEFPROX. Показано, що мережа ANFIS дає якісний результат апроксимації, але вимагає на-вчання великої кількості параметрів та складна для інтерпретації результатів. Мережа NEFPROX зруч-на для інтерпретації результатів. Модель на основі нечіткого шаблону дає низьку якість апроксимації та складна для інтерпретації результатів. We consider three models of fuzzy inference: fuzzy template, fuzzy neural networks, and ANFIS NEFPROX. It is shown that the ANFIS network approximation gives quality results, but requires on-learning of a large number of parameters and the results difficult to interpret. Network NEFPROX convenient to for interpretation of results. A model based on fuzzy pattern gives a low quality of approximation and difficult to interpret results.