Analysis of systems of fuzzy logic to approximate fuzzy functions

Т.S. Schegelski, O.O. Provotar, O.I. Provotar

Abstract


Three models of fuzzy inference are considered: fuzzy pattern, fuzzy neural networks ANFIS and NEFPROX. Shown that the network ANFIS provides high quality results approximation, but requires training large number of parameters and difficult to interpret the results. Network NEFPROX convenient when interpreting results. Fuzzy pattern provides low quality of approximation and the interpretation of results difficult.


Keywords


Fuzzy functions

References


Yager R. and Filev D.. Essentials of Fuzzy Modeling and Control // John Wiley and Sons, New York, 1994.

Riid A. and Rüstern E. Fuzzy modeling and control of fed-batch fermentation // Proc. 9th Int. Symp. on System-Modelling-Control, Zakopane, Poland, 1998.

Nauck D., Klawonn F. and Kruse R.. Foundations of Neuro-fuzzy Systems // John Wiley and Sons, New York, 1997.

Круглов В.В. Искусственные нейронные сети // Теория и практика. – М. : Горя-чая линия – Телеком, 2002. – 382 с.

Осовский С. Нейронные сети для обработки информации: пер. с польск. И.Д. Рудинского. – М. : Финансы и статистика, 2002. – 344 с.

Рудковская Д., Пилипинский М., Рутков-ский Л. Нейронные сети, генетические алгоритмы и нечеткие системы : пер. с польск. И.Д. Рудинского. – М.: Горяч. линия – Телеком, 2006. – 452 с.


Refbacks

  • There are currently no refbacks.