88 чающей выборки и использовать эти правила для описания обученной на этой выборке НС. Сформулируем алгоритм решения этой задачи. Шаг 1. Подготовительные операции. Разделение с помощью эксперта входного и выходного пространства не нечеткие множества. Предположим, что интервалами изменения базовых переменных ги ^ У являются 1/Г>г1+]> [г2~>г2+] и в зависимости от типа параметров заданные на количественной или порядковой (балльной) шкале. Для каждой базовой переменной на этих шкалах строится функция принадлежности (ФП). Проведение с помощью эксперта градации базовых переменных, т.е. разбиение интервала изменения базовой переменной на подинтервалы, и сопоставление каждому из них значений функции принадлежности (форма ФП задается экспертом). На рис. 2.14 приведен пример разбиения интервалов на 5 отрезков для п, 7 для г2 и 5 для у . Шаг 2. Генерация нечетких правил из заданных пар обучающей выборки /, на которой обучается нейронная сеть. Определение с этой целью степеней принадлежности для переменных ги У различным нечетким множествам (на рис. 2.14 : Л, 5, С), построенным на шаге 1. Например, на рис. 2.10. степень принадлежности г/0имеет значение 0,8 в В и значение 0,3 в В2 и равно 0 во всех остальных областях. Аналогично, г2(1) имеет степень принадлежности 1 в С и 0 во всех остальных областях. Для каждого из ^ ,у и) выбираем нечеткое множество, которому оно принадлежит, по максимальной степени. Так, для г,(1) определим нечеткое множество Вь для г2(2) С; для у {1) В]. |
Шаг 1. Подготовительные операции. Разделение входного и выходного пространства не нечеткие множества. Предположим, что интервалами изменения базовых переменных п, г2, у являются [г,,г,*"], [г2~,г2+] и [у~,у+], в зависимости от типа параметров заданные на количественной или порядковой (балльной) шкале. Для каждой базовой переменной на этих шкалах строится функция принадлежности (ФП). Проведение с помощью эксперта градации базовых переменных, т.е. разбиение интервала изменения базовой переменной на подинтервалы, и сопоставление каждому из них значений функции принадлежности (форма ФП задается экспертом). На рис. 2.10 приведен пример разбиения интервалов на 5 отрезков для п, 7 для г2 и 5 дляу . Шаг 2. Генерация нечетких правил из заданных пар обучающей выборки /, на которой обучается нейронная сеть. Определение с этой целью степеней принадлежности для переменных ги г2, у различным нечетким множествам (на рис. 2.10 : А, В, С), построенным на шаге 1. Например, на рис. 2.10. степень принадлежности г,(1)имеет значение 0,8 в Вь значение 0,3 в В2 и равно 0 во всех остальных областях. Аналогично, г2(,) имеет степень принадлежности 1в С и 0 во всех остальных областях. Для каждого из г,(,),г2°,у(,) выбираем нечеткое множество, которому оно принадлежит, по максимальной степени. Так, для г,() определим нечеткое множество В\, для г2(2) С; для у(2) В. 124 |