Послідовне ядерне нечітке кластерування великих масивів даних на основі гібридної системи обчислювального інтелекту
Date
2017-03-28
Journal Title
Journal ISSN
Volume Title
Publisher
Видавництво Львівської політехніки
Abstract
Запропоновано архітектуру та методи самонавчання гібридної нейрофаззі системи
обчислювального інтелекту для кластерування даних за умов, коли кластери, що
формуються, можуть мати довільну форму і взаємно перетинатися. В основу
запропонованої системи покладено нечітку узагальнену регресійну нейронну мережу та
нейро-фаззі кластерувальну мережу Т. Когонена, налаштування яких основано як на
лінивому навчанні, так і на навчанні, що ґрунтується на оптимізації.
The architecture and self-learning method of hybrid neuro-fuzzy systems for big fuzzy clustering in on-line mode are proposed in this paper. The architecture of proposed system represents the hybrid of the fuzzy general regression neural network and clustering selforganizing network. During a learning procedure in on-line mode, the proposed system tunes both its parameters and its architecture. For tuning of membership functions parameters of neuro-fuzzy system the method based on competitive learning is proposed. The hybrid neurofuzzy system tunes its synaptic weights, centers and width parameters of membership functions.
The architecture and self-learning method of hybrid neuro-fuzzy systems for big fuzzy clustering in on-line mode are proposed in this paper. The architecture of proposed system represents the hybrid of the fuzzy general regression neural network and clustering selforganizing network. During a learning procedure in on-line mode, the proposed system tunes both its parameters and its architecture. For tuning of membership functions parameters of neuro-fuzzy system the method based on competitive learning is proposed. The hybrid neurofuzzy system tunes its synaptic weights, centers and width parameters of membership functions.
Description
Keywords
гібридна нейро-фаззі система, нейро-фаззі кластерувальна мережа Т. Когонена, кластерування, нечітка узагальнена регресійна нейронна мережа, self-learning method of hybrid neuro-fuzzy systems, big data, fuzzy clustering, clustering self-organizing network, fuzzy general regression neural network
Citation
Послідовне ядерне нечітке кластерування великих масивів даних на основі гібридної системи обчислювального інтелекту / Є. В. Бодянський, А. О. Дейнеко, П. Є. Жернова, О. В. Золотухін, Я. В. Хаустова // Вісник Національного університету «Львівська політехніка». Серія: Інформаційні системи та мережі. — Львів : Видавництво Львівської політехніки, 2017. — № 872. — С. 20–24.