Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Použití fuzzy shlukovací metody v procesu identifikace fuzzy modelu

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F04%3A00011352" target="_blank" >RIV/61989100:27240/04:00011352 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Fuzzy Clustering Technology in Fuzzy Model Identification

  • Popis výsledku v původním jazyce

    This paper introduces a soft-computing oriented approach to Takgi-Sugeno fuzzy modelling using the evolutionary principles. Genetic algorithm are applied to optimize fuzzy input variables space through genetic fuzzy clustering procedure and to identify the fuzzy model. Some advanced procedures e.g. individuals lifetime limitation and redundant genes application are used. The presented algorithm allows also the determination of the relevant inpus variables of fuzzy model from theirs potential candidates.To clarify the advantages of the proposed approaches the numerical example of modelling of fuzzy non-linear system is also introduced.

  • Název v anglickém jazyce

    Fuzzy Clustering Technology in Fuzzy Model Identification

  • Popis výsledku anglicky

    This paper introduces a soft-computing oriented approach to Takgi-Sugeno fuzzy modelling using the evolutionary principles. Genetic algorithm are applied to optimize fuzzy input variables space through genetic fuzzy clustering procedure and to identify the fuzzy model. Some advanced procedures e.g. individuals lifetime limitation and redundant genes application are used. The presented algorithm allows also the determination of the relevant inpus variables of fuzzy model from theirs potential candidates.To clarify the advantages of the proposed approaches the numerical example of modelling of fuzzy non-linear system is also introduced.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    JD - Využití počítačů, robotika a její aplikace

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2004

  • 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

    7th Czech-Japan Seminar on Data Analysis and Decision Making under Uncertainty

  • ISBN

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    196

  • Strana od-do

    168-173

  • Název nakladatele

    University of Marketing and Distribution Sciences

  • Místo vydání

    Japonsko

  • Místo konání akce

    Awaji Yumebutai International Conference Center,

  • Datum konání akce

    1. 9. 2004

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku