Adaptive Intuitionistic Fuzzy Inference Systems of Takagi-Sugeno Type for Regression Problems
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25410%2F12%3A39895112" target="_blank" >RIV/00216275:25410/12:39895112 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-642-33409-2_22" target="_blank" >http://dx.doi.org/10.1007/978-3-642-33409-2_22</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-642-33409-2_22" target="_blank" >10.1007/978-3-642-33409-2_22</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Adaptive Intuitionistic Fuzzy Inference Systems of Takagi-Sugeno Type for Regression Problems
Popis výsledku v původním jazyce
Recently, we have proposed a novel intuitionistic fuzzy inference system (IFIS) of Takagi-Sugeno type which is based on Atanassov's intuitionistic fuzzy sets (IF-sets). The IFIS represent a generalization of fuzzy inference systems (FISs). In this paper,we examine the possibilities of the adaptation of this class of systems. Gradient descent method and other special optimization methods are employed to adapt the parameters of the IFIS in regression problems. The empirical comparison of the systems is provided on several well-known benchmark and real-world datasets. The results show that by adding non-membership functions, the average errors may be significantly decreased compared to FISs.
Název v anglickém jazyce
Adaptive Intuitionistic Fuzzy Inference Systems of Takagi-Sugeno Type for Regression Problems
Popis výsledku anglicky
Recently, we have proposed a novel intuitionistic fuzzy inference system (IFIS) of Takagi-Sugeno type which is based on Atanassov's intuitionistic fuzzy sets (IF-sets). The IFIS represent a generalization of fuzzy inference systems (FISs). In this paper,we examine the possibilities of the adaptation of this class of systems. Gradient descent method and other special optimization methods are employed to adapt the parameters of the IFIS in regression problems. The empirical comparison of the systems is provided on several well-known benchmark and real-world datasets. The results show that by adding non-membership functions, the average errors may be significantly decreased compared to FISs.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2012
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Artificial Intelligence Applications and Innovations: 8th IFIP WG 12.5 International Conference, AIAI 2012, Halkidiki, Greece, September 27-30, 2012, Proceedings, Part I
ISBN
978-3-642-33408-5
ISSN
—
e-ISSN
—
Počet stran výsledku
11
Strana od-do
206-216
Název nakladatele
Springer
Místo vydání
Berlin
Místo konání akce
Halkidiki
Datum konání akce
27. 9. 2012
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—