Застосування генетичних алгоритмів для вибору класифікаційних ознак в системах класифікації з нечіткою логікою

Бічна панель сторінки статті

PDF (Русский)
Опубліковано: лис 12, 2012
DOI: https://doi.org/10.20535/2312-1807.2012.17.5.218411

Основний зміст сторінки статті

A. N. Prodeus
Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»

Анотація

Наведено короткий огляд робіт, присвячених отриманню інтерпретованих (зрозумілих кінцевому користувачеві) класифікаційних ознак в системах класифікації, заснованих на застосуванні нейромережевих технологій. Показано, що рішення даного завдання може бути отримано шляхом звернення до таких напрямків як генетичні алгоритми і нечітка логіка.

Блок інформації про статтю

Як цитувати
Prodeus, A. N. (2012). Застосування генетичних алгоритмів для вибору класифікаційних ознак в системах класифікації з нечіткою логікою. Електроніка та Зв’язок, 17(5), 72–76. https://doi.org/10.20535/2312-1807.2012.17.5.218411
Номер
Том 17 № 5 (2012)
Розділ
Акустичні прилади та системи
Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:

  1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
  2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
  3. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).

Посилання

Zak A. Kohonen Networks as Hydroacoustic Signatures Classifier / Zak A. // 9th WSEAS International Conference on Neural Networks (NN’08). – Sofia, Bulgaria: 2008. – P. 209–232.

Ле Н.В. Распознавание речи на основе искусственных нейронных сетей / Н.В. Ле, Д.П. Панченко // Технические науки в России и за рубежом: материалы междунар. заоч. науч. конф. (г. Москва, май 2011 г.). — М.: Ваш полиграфический партнер, 2011. — С. 8-11.

Ishibuchi H., Nii M., Tanaka K. Lingvistic rule extraction from neural networks for high- dimensional classification problems / Ishibu- chi H. // Complexity International, vol. 6, 1998. [Электронный ресурс]. – Режим доступа к ресурсу: http://life.csu.edu.au/complex/ci/vol6/ishibuc hi-nii/

Новоселова Н.А. Построение нечеткой модели классификации с использованием многокритериального генетического алго- ритма / Новоселова Н.А. // Искусственный интеллект. – 2006. – №3. – С. 613–622.

Ishibuchi H. Interpretability Issues in Fuzzy Genetics-Based Machine Learning for Lin- guistic Modelling / Ishibuchi H., Yamamoto T. // Proceedings of Modelling with Words. – 2003. – P. 209-228.

Панченко Т. Генетические алгоритмы: учебно-методическое пособие / Панченко Т. – Астрахань: Издательский дом «Астраханский университет», 2007. – 87 с.

Власова Ю.В. Применение генетических алгоритмов в задаче классификации сиг- налов (приложение в BCI) / Власова Ю.В. // Сборник тезисов XVI Международной научной конференции студентов, аспирантов и молодых учёных «ЛОМОНОСОВ-2009», секция «Вычислительная математика и кибернети- ка». – М.: МГУ им. М.В. Ломоносова, 2009.– С. 17.

Ishibuchi H. Selecting Linguistic Classifica- tion Rules by Two-Objective Genetic Algo- rithms / Ishibuchi H., Murata T., Turksen I.B.

// Proc. of 1995 IEEE International Confer- ence on Systems, Man and Cybernetics. – Vancouver, Canada, October 1995. – P. 1410–1415.

Ishibuchi H. Performance Evaluation of Fuzzy Rule-Based Classification Systems Obtained by Multi-Objective Genetic Algorithms / Ishibuchi H., Murata T., Gen M. // Computers ind. Engng. – 1998. – Vol. 35. – № 3–4. – P. 575–578.

Нейрокомпьютерная технология в зада- чах классификации морских объектов / [Бобровский А.И. [и др.] // Петербургский журнал электроники, – 1997. – №2 (15). – С. 48–52.

Жеретинцева Н.Н. Нейросетевой метод идентификации надводных объектов в решении задач автоматизации судовож- дения: дисс. канд. техн. наук: 05.22.19. / Жеретинцева Н.Н. // Владивосток, 2008. – 162 с.

Нечаев Ю.И. Нейросетевые технологии в бортовых интеллектуальных системах ре- ального времени / Нечаев Ю.И. [Электронный ресурс]. – Режим доступа к ресурсу: http://library.mephi.ru/data/scientific- sessions/2002/Lec_Neuro_1/114.html

Рассел С. Искусственный интеллект: со- временный подход, 2-е изд..: Пер. с англ. / Рассел С., Норвиг П. – М. : Издательский дом "Вильяме", 2006. – 1408

Галушкин А.И. Нейронные сети: основы теории. / Галушкин А.И. – М.: Горячая ли- ния-Телеком, 2010. – 496 с.

Новоселова Н.А. Построение нечеткой нейросетевой модели для решения задач классификации / Новоселова Н.А. // Ин- форматика. – 2006. – № 3. – C. 5–14.

Новоселова Н.А. Эволюционный подход к выделению информативных признаков в задачах анализа медицинских данных / Новоселова Н.А., Мастыкин А.С. // Искус- ственный интеллект. – 2008. – №3. – С.105–112.