Решена актуальная задача повышения скорости построения нейро-нечетких (НН) моделей по прецедентам. Цель работы - создание метода синтеза НН сетей, обладающего высокой скоростью вычисленией и позволяющего реализовать синтез НН сетей в параллельном режиме. Предложен метод построения НН моделей по прецедентам, который осуществляет сокращение размерности входных данных посредством хэширующего отображения на одномерную ось с сохранением локальной топологии кластеров в признаковом пространстве, оценивает значимость признаков и экземпляров на основе выделенных кластеров, а также формирует разбиение исходного признакового пространства в автоматическом режиме, синтезирует структуру и настраивает параметры НН модели автоматически, исключая из процесса обучения НН модели малоинформативные данные, упрощая тем самым структуру получаемых моделей, а также позволяет наиболее вычислительно трудоемкие операции выполнять в параллельном режиме, что позволяет автоматизировать процесс синтеза НН моделей по прецедентам, а также повысить скорость построения НН моделей как при последовательной, так и при параллельной реализации вычислений. Разработано программное обеспечение, реализующее предложенный метод, которое использовано при проведении вычислительных экспериментов по исследованию свойств метода. Выводы: проведенные эксперименты подтвердили работоспособность предложенного метода и реализующего его программного обеспечения, а также позволяют рекомендовать их для применения на практике для решения задач диагностирования и автоматической классификации по признакам.

  Повний текст PDF - 1.272 Mb    Зміст випуску     Цитування публікації

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"