3703947795

reguł, jeśli jeszcze nie istnieje w nim reguła z nią identyczna. Podczas kolejnego przeglądania zbioru uczącego większość reguł zostaje usunięta, a pozostawione tylko najlepsze. W następnym etapie uczenia przeprowadzana jest opty malizacja funkcji przynależności, poprzez ewentualne zmiany położenia skrajnych punktów w podstawach trójkątów dla tych funkcji, na podstawie porównywania uzyskiwanych wyników klasyfikacji z rzeczywistą przy należnością obiektów ze zbioru uczącego do klas.

System ANFIS przewiduje także stoswanie wielostopniowych klasyfikatorów (czyli wielu układów fuzzyfikator + sieć + defuzzyfikator połączonych w jakiś sposób). W tym systemie mogą to być klasyfikatory szeregowe lub równolegle. Ich koncepcję prezentuje poniższy obrazek:

Struktura szeregowego systemu klasyfikacji IFNN

Pierwszy system składa się z szeregowo połączonych modułów, z których każdy dokonuje klasyfikacji na podstawie jednego parametru wejściowego xi. Wynik tej klasyfikacji stanowi, wraz z kolejnym parametrem *_Jł1, informację wejściową dla następnego modułu, który weryfikuje poprzednią decyzję na podstawie nowej informacji, a ostateczny wynik klasyfikacji pojawia się na wyjściu ostatniego modułu, co zilustrowano schematycznie na rysunku.

Struktura równoległego systemu klasyfikacji AFNN

W drugim systemie - AFNN przedstawionym schematycznie na rysunku, także, jako pojedynczego modułu użyto architektury Sugeno. Zmienne wejściowe podawane sąwtym przypadku równolegle, każda do swojego modułu, i dla każdej z nich osobno dokonuje się klasyfikacji obiektu, generując wartość y(/). Wartości te stanowią wejście do pojedynczego modułu w drugim etapie, gdzie dokonywana jest na ich podstawie ostateczna klasyfikacja.