ОГЛЯД НЕЙРО-НЕЧІТКИХ СИСТЕМ
Опубліковано 01.02.2024
Як цитувати
Завантаження
Авторське право (c) 2024 Антон Полубєхін ; Аліна Шафроненко (Науковий керівник)

Ця робота ліцензується відповідно до Creative Commons Attribution-ShareAlike 4.0 International License.
Анотація
Сучасні технології штучного інтелекту знайшли застосування практично у всіх сферах людських знань. Однак особлива увага приділяється галузям точних наук, що, ймовірно, є найвиразнішим проявом успіху цих методів, зокрема в галузі техніки. Ці методології, а саме нейронні мережі та нечітка логіка, часто використовуються у поєднанні для розв’язання інженерних задач, де класичні методи не забезпечують ефективного та точного вирішення. Термін «нейро-нечіткий» виник в результаті поєднання цих двох методів. Оскільки кожен дослідник може використовувати різні підходи та методи при поєднанні нейронних мереж і нечіткої логіки, це призвело до певної невизначеності щодо конкретного значення терміну «нейро-нечіткий», що вказує на тип системи, яка комбінує основні принципи нечіткої логіки та нейронних мереж.
Посилання
- Jacobson, M. (2013). Foundations of neuroscience. Springer Science & Business Media.
- Jang, J. S. (1992). Neuro-fuzzy modeling: architectures, analyses, and applications. University of California, Berkeley.
- Juang, C. F., & Lin, C. T. (1998). An online self-constructing neural fuzzy inference network and its applications. IEEE transactions on Fuzzy Systems, 6(1), 12-32.
- Bodyanskiy, Y., Shafronenko, A., & Volkova, V. (2012). Adaptive fuzzy probabilistic clustering of incomplete data. INFORMATION MODELS & ANALYSES, 112.
- Bodyanskiy, Y. V., Shafronenko, A., & Klymova, I. (2021, April). Adaptive Recovery of Distorted Data Based on Credibilistic Fuzzy Clustering Approach. In COLINS (pp. 6-15).
