RBF Neural Networks and Radial Fuzzy Systems
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F15%3A00453637" target="_blank" >RIV/67985807:_____/15:00453637 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-319-23983-5_20" target="_blank" >http://dx.doi.org/10.1007/978-3-319-23983-5_20</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-319-23983-5_20" target="_blank" >10.1007/978-3-319-23983-5_20</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
RBF Neural Networks and Radial Fuzzy Systems
Popis výsledku v původním jazyce
RBF neural networks are an efficient tool for acquisition and representation of functional relations reflected in empirical data. The interpretation of acquired knowledge is, however, generally difficult because the knowledge is encoded into values of the parameters of the network. Contrary to neural networks, fuzzy systems allow a more convenient interpretation of the stored knowledge in the form of IF-THEN rules. This paper contributes to the fusion of these two concepts. Namely, we show that a RBF neural network can be interpreted as the radial fuzzy system. The proposed approach is based on the study of conjunctive and implicative representations of the rule base in radial fuzzy systems. We present conditions under which both representations are computationally close and, as the consequence, a reasonable syntactic interpretation of RBF neural networks can be introduced.
Název v anglickém jazyce
RBF Neural Networks and Radial Fuzzy Systems
Popis výsledku anglicky
RBF neural networks are an efficient tool for acquisition and representation of functional relations reflected in empirical data. The interpretation of acquired knowledge is, however, generally difficult because the knowledge is encoded into values of the parameters of the network. Contrary to neural networks, fuzzy systems allow a more convenient interpretation of the stored knowledge in the form of IF-THEN rules. This paper contributes to the fusion of these two concepts. Namely, we show that a RBF neural network can be interpreted as the radial fuzzy system. The proposed approach is based on the study of conjunctive and implicative representations of the rule base in radial fuzzy systems. We present conditions under which both representations are computationally close and, as the consequence, a reasonable syntactic interpretation of RBF neural networks can be introduced.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/LD13002" target="_blank" >LD13002: Modelování složitých systémů softcomputingovými metodami</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2015
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
Engineering Applications of Neural Networks
ISBN
978-3-319-23981-1
ISSN
1865-0929
e-ISSN
—
Počet stran výsledku
10
Strana od-do
206-215
Název nakladatele
Springer
Místo vydání
Cham
Místo konání akce
Rhodes
Datum konání akce
25. 9. 2015
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—