Application of genetic algorithms for the selection of classification features in classification systems with fuzzy logic
Main Article Content
Abstract
The brief review of papers dedicated obtaining interpreted (understandable to the end user) classification signs in classifica- tion systems, based on application of neural network technologies is made. It is shown, that the solution of the problem can be obtained by an address to such directions as genetic algorithms and fuzzy logic.
Article Details
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
References
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.
