Применение генетических алгоритмов для выбора классификационных признаков в системах классификации с нечеткой логикой
##plugins.themes.bootstrap3.article.main##
Аннотация
Приведен краткий обзор работ, посвященных получению интерпретируемых (понятных конечному пользователю) классификационных признаков в системах классификации, основанных на применении нейросетевых технологий. Показано, что решение данной задачи может быть получено путем обращения к таким направлениям как генетические алгоритмы и нечеткая логика.
##plugins.themes.bootstrap3.article.details##
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, публикующиеся в данном журнале, соглашаются со следующими условиями:- Авторы сохраняют за собой права на авторство своей работы и предоставляют журналу право первой публикации этой работы на условиях лицензии Creative Commons Attribution License, которая позволяет другим лицам свободно распространять опубликованную работу с обязательной ссылокой на авторов оригинальной работы и оригинальную публикацию в этом журнале.
- Авторы сохраняют право заключать отдельные договора на неэксклюзивное распространение работы в том виде, в котором она была опубликована этим журналом (например, размещать работу в электронном архиве учреждения или публиковать в составе монографии), с условием сохраниения ссылки на оригинальную публикацию в этом журнале.
- Политика журнала разрешает и поощряет размещение авторами в сети Интернет (например в институтском хранилище или на персональном сайте) рукописи работы как до ее подачи в редакцию, так и во время ее редакционной обработки, так как это способствует продуктивной научной дискуссии и положительно сказывается на оперативности и динамике цитирования статьи (см. The Effect of Open Access).
Библиографические ссылки
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.
