Нейро-нечіткі мережі для поданя і обробки знань. Лабораторна робота з Теорія алгоритмів. Робота № 519765

Нейро-нечіткі мережі для поданя і обробки знань

Інформація про навчальний заклад

ВУЗ:

Тернопільський національний економічний університет

Інститут:

Не вказано

Факультет:

Не вказано

Кафедра:

Не вказано

Інформація про роботу

Рік:

2013

Тип роботи:

Лабораторна робота

Предмет:

Теорія алгоритмів

Завантажити

Частина тексту файла (без зображень, графіків і формул):

МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ ТЕРНОПІЛЬСЬКИЙ НАЦІОНАЛЬНИЙ ТЕХНІЧНИЙ УНІВЕРСИТЕТ ІМЕНІ ІВАНА ПУЛЮЯ Кафедра комп’ютерних наук Лабораторна робота №6 Нейро-нечіткі мережі для поданя і обробки знань з дисципліни “Теорія алгоритмів” Тернопіль, 2011 Тема роботи:Нейро-нечіткі мережі для поданя і обробки знань. Мета роботи:Ознайомитись з нейро-нечіткими мережами для поданя і обробки знань. Теоритичні відомості Різні типи інтелектуальних систем мають свої особливості, наприклад, за можливостями навчання, узагальнення і отримання результатів, що робить їх найбільш придатними для вирішення одних класів задач і менш придатними — для інших. Нейрониі мережі, наприклад, є зручними для задач розпізнавання образів, але дуже незручні для пояснення, як вони таке розпізнавання здійснюють. Вони можуть автоматично здобувати знання, але процес їхнього навчання найчастіше відбувається досить повільно, а аналіз навченої мережі є дуже складним (навчена мережа є звичайно «чорною скринею» для користувача). При цьому яку-небудь апріорну інформацію (знання експерта) для прискорення процесу навчання в нейронну мережу ввести складно. Системи з нечіткою логікою, напроти, є зручними для пояснення одержуваних за їхньою допомогою висновків, але вони не можуть автоматично здобувати знання для використання їх у механізмах виведень. Необхідність розбиття універсальних множин на окремі області, як правило, обмежує кількість вхідних змінних у таких системах невеликим значенням. Хаяши та Імура (А. Ітига) показали, що иейромережа прямого поширення може апроксимувати будь-яку систему, що заснована на нечітких правилах, та будь-яка нейромережа прямого поширення може бути апроксимована системою, що заснована на нечітких правилах. Нейро-нечітка мережа - це подання системи нечіткого виведення у вигляді нейронної мережі, зручної для навчання, поповнення, аналізу та використання. Структура нейро-нечіткої мережі відповідає основним блокам систем нечіткого виведення. Завдання до лабораторноїроботи Згідно з номером індивідуального варіанта студента за журналом згенерувати навчаючу та тестову вибірки даних. Нехай V- номер студента за журналом, а гапсі - функція, що генерує псев-довипадкові числа у діапазоні [0; 1]. Визначимо кількість екземплярів у навчаючій вибірці Sн кількість екземплярів у тестовій вибірці SТ, кількість вхідних змінних (ознак) вибірок N, значення ознак вибірок: навчаючої xн, та тестової xт., а також значення цільових ознак для вибірок: навчаючої—yн та тестовоїyт. Вхідні дані: V = 16; N = 2; S n = 2* 16= 32; S t = 3*16 = 48; S= 1,2,3,… S n S= 1,2,3,… S т Результат роботи Навчаюча вибірка Хн і тестова вибірка Хт Цільові ознаки навчаючої Yн та тестової вибірки Yт Висновок: На цій лабораторній роботі я ознайомився з нейро-нечіткими мережами для поданя і обробки знань. Текст програми unit Unit1; interface uses Windows, Messages, SysUtils, Variants, Classes, Graphics, Controls, Forms, Dialogs, StdCtrls; type TForm1 = class(TForm) Button1: TButton; Memo1: TMemo; Button2: TButton; Memo2: TMemo; Memo3: TMemo; Button3: TButton; Button4: TButton; Memo4: TMemo; procedure Button1Click(Sender: TObject); procedure Button2Click(Sender: TObject); procedure Button3Click(Sender: TObject); procedure Button4Click(Sender: TObject); private { Privatedeclarations } public { Publicdeclarations } end; var Form1: TForm1; V,N : real; Sn,St :integer; Xn : array [1..32, 1..6] ofreal; Xt : array [1..48, 1..6] ofreal; Yn : array [1..32] ofreal; Yt : array [1..48] ofreal; rand : real; s,j,i: integer; implementation {$R *.dfm} procedure TForm1.Button1Click(Sender: TObject); begin randomize; Random(10); rand := random/10; V := 16; N := 2; Sn := 32; St := 48; for s := 1 toSndo begin for j := 1 to 6 do begin Xn[s,j]:= (V/(s*j))* rand; end; Memo1.Lines.Add(floatToStr(Xn[s,1]) + '| |' + floatToStr(Xn[s,2]) + '| |' + floatToStr(Xn[s,3]) + '| |' + floatToStr(Xn[s,4]) + '| |' + floatToStr(Xn[s,5]) + '| |' + floatToStr(Xn[s,6]) ); end; end; procedure TForm1.Button2Click(Sender: TObject); begin randomize; Random(10); rand := random/10; V := 16; for s := 1 toStdo begin for j := 1 to 6 do begin Xt[s,j]:= (V/(s*j))* rand; end; Memo2.Lines.Add( floatToStr(Xt[s,1]) + '| |' + floatToStr(Xt[s,2]) + '| |' + floatToStr(Xt[s,3]) + '| |' + floatToStr(Xt[s,4]) + '| |' + floatToStr(Xt[s,5]) + '| |' + floatToStr(Xt[s,6])); end; end; procedure TForm1.Button3Click(Sender: TObject); begin for s := 1 toSndo begin Yn[s]:= 0.1*(Xn[s,1]+Xn[s,2]); Memo3.Lines.Add('Y= '+ floatToStr(Yn[s])); end; end; procedure TForm1.Button4Click(Sender: TObject); begin for s := 1 toStdo begin Yt[s]:= 0.1*(Xn[s,1]+Xn[s,2]); Memo4.Lines.Add('Y= '+ floatToStr(Yt[s])); end; end; end.

Лабораторна робота Теорія алгоритмів

77pazan77

07.02.2013 19:54

Коментарі

Ви не можете залишити коментар. Для цього, будь ласка, або зареєструйтесь.

Ділись своїми роботами та отримуй миттєві бонуси!

поділитись