Parameters optimization of fuzzy-neural dynamic model

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F47813059%3A19240%2F04%3A%230001894" target="_blank" >RIV/47813059:19240/04:#0001894 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

Parameters optimization of fuzzy-neural dynamic model

Original language description

In this paper we proposed a fuzzy neural network model which can embody a fuzzy Takagi-Sugeno model and curry out fuzzy inference and support structure of fuzzy rules. The algorithm of model properties improvement consists of new origin procedures namelyinput space partition, fuzzy terms number and rule number extending, low-effective fuzzy terms and rules extraction and consequent structure identification. In the proposed fuzzy modeling method we first design a rough initial fuzzy model with completepartition of input variable space (or initial partition based on expert knowledge). Then a fuzzy neural network is constructed based on rough fuzzy model. By learning of the neural network we can tune of embedded initial fuzzy model.

Czech name

Optimalizace parametrů fuzzy neuronového dynamického modelu

Czech description

V tomto článku je navržena umělá neuronová síť realizující fuzzy model Takagi-Sugeno. Jsou dále navrženy algoritmy pro strukturální a parametrickou on-line identifikaci T-S fuzzy modelu. V rámci identifikace je nejprve vytvořen hrubý model s úplným inicializačním pokrytím celého prostoru vstupních proměnných. Je navržena nová procedura pro dělení fuzzy prostoru k dosažení, co nejmenší chyby modelu. Posledním krokem je extrakce pravidel s minimálním podílem chyby na celkové chybě modelu. Pro optimální nastavení parametrů těchto procedur je použita strategie genetického algoritmu. Tyto procedury a strategie GA byly implementovány do systému FUZNET a použity pro dvě případové studie: predikci M-G časové řady a pro modelování chlazení koksového plynu.

Type

D - Article in proceedings

CEP classification

IN - Informatics

OECD FORD branch

—

Project

—

Continuities

S - Specificky vyzkum na vysokych skolach

Publication year

2004

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Article name in the collection

NAFIPS 2004: ANNUAL MEETING OF THE NORTH AMERICAN FUZZY INFORMATION PROCESSING SOCIETY

ISBN

0-7803-8376-1

ISSN

—

e-ISSN

—

Number of pages

6

Pages from-to

—

Publisher name

IEEE

Place of publication

New York

Event location

Banff, Canada

Event date

Jan 1, 2004

Type of event by nationality

WRD - Celosvětová akce

UT code for WoS article

—