Szczegóły publikacji
Opis bibliograficzny
Design of Takagi-Sugeno fuzzy systems by learning from examples in case a number of available data is not sufficient — Projektowanie rozmytych systemów Takagi-Sugeno metodą uczenia na podstawie przykładów, gdy liczba dostępnych danych jest niewystarczająca / Andrzej MACIOŁ, Piotr MACIOŁ // W: Nauka – technika – technologia : seria wydawnicza AGH, T. 2. — Kraków : Wydawnictwa AGH, 2021. — ISBN: 978-83-66727-48-9. — S. 93–120. — Bibliogr. s. 117–120, Abstr., Streszcz.
Autorzy (2)
Słowa kluczowe
Dane bibliometryczne
ID BaDAP | 138065 |
---|---|
Data dodania do BaDAP | 2021-12-08 |
Tekst źródłowy | URL |
DOI | 10.7494/978-83-66727-48-9_7 |
Rok publikacji | 2021 |
Typ publikacji | fragment książki |
Otwarty dostęp | |
Creative Commons | |
Wydawca | Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie |
Streszczenie
W artykule opisano rozwiązanie problemu opracowania reguł rozmytych zgodnych z podejściem Takagi–Sugeno, gdy liczba dostępnych przykładów (obserwacji) jest niewystarczająca. Opisano modelowanie rozmytych przesłanek oraz generowanie funkcji opisującej zależność zmiennej wynikowej od wartości przesłanek. W naszym autorskim podejściu rozwiązany jest problem identyfikacji funkcji przynależności zmiennych definiujących przesłanki oraz problem identyfikacji parametrów funkcji opisującej konkluzje. Do rozwiązania pierwszego z nich zastosowaliśmy prostą technikę opartą na indywidualnych ocenach ekspertów. Drugi natomiast rozwiązujemy metodą programowania liniowego. W szczególności, nasze podejście do problemu identyfikacji parametrów funkcji opisującej konkluzje pozwala na zastosowanie niezwykle efektywnej metody T-S wówczas, gdy nie można zastosować podejścia opartego na danych. W pracy przedstawiamy opis naszych metod oraz wyniki symulacji dokładności proponowanego podejścia na podstawie powszechnie znanych benchmarków. Uzyskana dokładność klasyfikacji jest wystarczająca dla większości systemów decyzyjnych o charakterze eksperckim.
Abstract
The paper describes a solution of a problem of developing of fuzzy rules compliant with the Takagi–Sugeno approach where a number of available examples (observations) is not sufficient. Modeling of fuzzy premises and generating functions describing a dependence of a result variable on antecedents are described. In our original approach a problem of identification of membership functions of variables com-posing premises and a problem of consequent parameters identification are solved. For the first one, we used a simple technique based on individual judgements of experts. The second one is solved with a linear programming method. In particular, our approach to formulate the consequent parameter identification problem allows using of an extremely effective T-S method when a data-driven approach cannot be applied. In the paper we present a description of our methods and results of simulations of accuracy of the proposed approach, based on commonly known benchmarks. The achieved accuracy of classification is sufficient for the most of decision-making systems of an expert nature.