Лабораторная работа №3

Цель работы: приобретение навыков разработки и реализации самоорганизующихся нечетких продукционных моделей с использованием методологии кластеризации эмпирических данных и нейронечетких сетей (на примере задач медицинской диагностики заболеваний сердца и сахарного диабета).

Содержание работы: разработка и реализация алгоритма структурно-параметрической идентификации нечеткой модели на основе комбинирования метода кластеризации для идентификации начальной модели и градиентного метода её последующей параметрической оптимизации, реализованного в рамках лабораторной работы №2.

Задания:

1. Разработка и реализация алгоритма структурно-параметрической идентификации нечеткой модели Такаги-Сугено-Канга 0-порядка с помощью одного из методов кластеризации эмпирических данных.

2. Построение самоорганизующейся нечеткой продукционной модели в результате последовательного объединения реализованного метода структурно-параметрической идентификации нечеткой модели Такаги-Сугено-Канга 0-порядка и метода ее параметрической оптимизации, реализованного в рамках лабораторной работы №2.

3. Подбор оптимальных параметров реализованных методов.

4. Сравнительный анализ обобщающей способности синтезированной модели с результатами других известных в литературе методов решения предложенных задач.

ВОПРОСЫ ДЛЯ КОНТРОЛЯ

1. Понятие нечеткого множества.

2. Функция принадлежности нечеткого множества.

3. Типы функций принадлежности нечетких множеств.

4. Альфа-сечение нечеткого множества.

5. Основные теоретико-множественные операции над нечеткими множествами.

6. Свойства основных операций над нечеткими множествами.

7. Нечеткие отношения на дискретных и непрерывных множествах, способы их задания.

8. Операции над нечеткими отношениями и их свойства.

9. Нечеткие и лингвистические переменные.

10. Базовое терм-множество и значения лингвистической переменной.

11. Понятие нечеткого высказывания.

12. Простые и составные нечеткие высказывания.

13. Операции над нечеткими высказываниями.

14. Нечёткие числа и основные операции над ними.

15. Понятие нечеткой продукционной модели и её структура.

16. База нечетких продукционных правил.

17. Процедура фаззификации, агрегирования, активации, аккумулирования, дефаззификации, способ нечеткого логического вывода.

18. Композиционное правило вывода Заде.

19. Основные алгоритмы нечеткого логического вывода: Мамдани, Такаги-Сугено-Канга, Ларсена.

20. Нечеткое моделирование на основе экспертных знаний о системе.

21. Нечеткое моделирование на основе эмпирических данных о системе.

22. Постановка задачи обучения по прецедентам. Задача классификации. Задача восстановления неизвестной зависимости (прогнозирования).

23. Общая схема построения модели на основе эмпирических данных.

24. Понятие адаптивной нечеткой модели.

25. Компоненты адаптивной нечеткой продукционной модели.

26. Свойство универсального аппроксимирования.

27. Методы параметрической оптимизации нечетких продукционных моделей.

28. Нейронечеткие сети. Преобразование нечетких моделей основных типов в нейронечеткую сеть.

29. Структуризация и обучение нейронечетких сетей.

30. Настройка параметров нечеткой модели с помощью генетических алгоритмов.

31. Настройка параметров нечеткой модели с помощью искусственных иммунных алгоритмов.

32. Настройка параметров нечеткой модели с помощью метода роя частиц.

33. Выявление существенных и несущественных входов нечеткой модели.

34. Методы структурно-параметрической идентификации нечетких моделей: методы кластеризации.

35. Методы структурно-параметрической идентификации нечетких моделей: поисковые методы.