Преимущества аппарата нечетких нейронных сетей

Эффективность аппарата нейросетей определяется их аппрок­симирующей способностью, причем НС являются универ­сальными функциональными аппроксиматорами. С помощью НС можно выразить любую непрерывную функциональную зависимость на основе обучения НС, без предварительной аналитической работы по выявлению правил зависимости выхода от входа. Недостатком нейросетей является невоз­можность объяснить выходной результат, так как значения распределены по нейронам в виде коэффициентов весов. Ос­новной трудностью в применении нечетких экспертных сис­тем служит необходимость явно сформулировать правила проблемной области в форме продукции. В нечетких эксперт­ных системах легко построить объяснение результата в форме протокола рассуждений, поэтому в настоящее время создают­ся гибридные технологии, сочетающие преимущества нечет­ких систем и нейронных сетей.

Примером гибридной технологии служит реализация сис­темы нечетких правил на основе нейросети. База нечетких правил для двух входных и одной выходной переменных име­ет следующую структуру:

Для реализации базы нечетких правил будем интерпрети­ровать ее как таблицу определения некоторой функции, т. е. базу правил можно представить обучающей выборкой: {((,,)}. Например, {((малое, большое), около нуля)}.

В большинстве нечет­ких понятий, представленных лингвистическими переменны­ми, их значения выражаются с помощью количественных не­четких множеств:

1) NB — отрицательное большое;

2) NM — отрицательное среднее;

3) NS — отрицательное малое;

4) ZE — около нуля;

5) PS — положительное малое;

6) РМ — положительное среднее;

7) РВ — положительное большое.