Ж и р я к о в
МЕТОД УНИВЕРСАЛЬНОЙ АППРОКСИМАЦИИ
В НЕЧЕТКОМ ВЫВОДЕ, ИСПОЛЬЗУЮЩИЙ
ЛИНЕЙНЫЕ ОБОЛОЧКИ КОРРЕКТИРУЮЩИХ
ДАННЫХ
Предложена модификация метода нечеткого вывода решения,
позволяющая без потери объяснительных возможностей осуществлять корректировку значения выводимой переменной в указываемых окрестностях точек с нарушениями требований к точности
решения задачи. <...> Известно, что по сравнению с рядом известных аналогов (статистические методы, метод нейронных сетей) нечеткий вывод как метод
поддержки принятия решения обладает такими преимуществами, как
объяснение получаемого решения, возможность обобщения решения
и работоспособность в условиях недостоверности или зашумленности в исходных данных. <...> Наряду с этим один из основных недостатков нечеткого вывода заключается в его невысокой точности, обусловленной значительным влиянием субъективного фактора при формировании характеристических функций лингвистических переменных
и правил взаимосвязи переменных между собой. <...> Однако существуют
доказательства, предложенные в [1–3], показывающие универсальную
аппроксимационную способность метода нечеткой логики. <...> В данной статье предлагается метод, который позволяет совместить преимущества объяснения решения в терминах, вводимых экспертом предметной области, и определенных им видах характеристических функций с возможностью аппроксимации к некоторой функциональной зависимости. <...> При этом точность аппроксимации зависит
от объема корректирующих данных. <...> Будем считать, что эксперт на основе собственных представлений о
предметной области формулирует продукционные правила поведения
исследуемой системы в виде
ЕСЛИ (X = X1 ) И (Y = Y1 ) ТО (Z = Z1 ), <...> Рассмотрим схему нечеткого вывода, общую для выводов Tsukamoto [4], Sugeno [5] и упрощенного вывода [6] на примере правила (1). <...> На первом этапе фаззификации определяют степень принадлежности αx , αy четких исходных данных (x0 , y0 ) к соответствующим
ISSN 0236-3933. <...> На следующем <...>