3-Mustaqil ish Noaniqliklarni taqdim etish uchun shartli ehtimollik: afzallik va kamchiliklari Reja

Mamdani bo`yicha noravshan xulosa chiqarish.
R1:Agar x bu A1 va u bu B1, u holda z bu C1 ;
R2 : Agar x bu A2 va u bu B2, u holda z bu C2 berilgan bo`lsin, bu yerda: x, y - kirish o`zgaruvchilar; z – chiqish o`zgaruvchi; A1, A2,B1,B2,C1,C2 - kirish va chiqish o`zgaruvchilarning muayyan(aniq) MFlari, yani tegishli MF bilan berilgan noravshan termlari.
Beriladigan x0 , y0 aniq(ravshan) qiymatlari asosida z0 ning aniq qiymatini topish kerak. R1 va R2 qoidalar uchun tegishli 1 va 2 to`g`rilik darajalari ( ) ( )
1  A 1 xo  B1 yo , 2  A 2 (xo )  B2 (yo ) ifodalar bilan belgilanadi.
NMXCh algoritmi quyidagi protseduralarning bajarilishidan iborat [19, 37]:
1) Aniq (ravshan) x0 , y0 qiymatlarni fazzifikatsiyalash, yani
A1 , A2,B1 va B2 NTlarning x0 va y0 aniq qiymatlari uchun tegishli MF
qiymatlariga asoslanib, 1 va 2 to`g`rilik darajalarini hisoblash.
2) R1 va R2 munosabatlar uchun oraliq - ( ) 1 z C va ( ) 2 z  noravshan
chiqarishlarni shakllantirish. Bunda implikatsiya amali sifatida minimum
(noravshan konyunksiya) amali ( ) ( ), ( ) ( ) C1 z  1  C1 z C2 z  2  C2 z qo`llaniladi.


Noravshan mantiqda ishonchlilik koeffitsentlari

Neyron tarmoqlarni o'rganish Ehtimol, bu ushbu mavzu bo'yicha eng muhim nuqtalardan biri bo'lib, neyron tarmoqlarda eng ko'p ajralib turadigan narsa va bu texnologiyani ishlab chiqishga ko'proq odamlarning qiziqishiga sabab bo'lgan narsa ularning o'rganish qobiliyati va qanday qilib har doim yangilanib turish uchun undan foydalaning. Har qanday vazifani bir qator funktsiyalar bilan birga hal qilish uchun topshirilganda, birinchi navbatda bajarilayotgan vazifani tushunish uchun, ikkinchidan, uni amalga oshirishning samaraliroq va samarali yo'lini topish uchun bir qator kuzatishlar va izohlar qilish orqali o'rganish ishlaydi. yanada samaraliroq, sifat jihatidan optimal. Funktsiyalar nima ekanligini ko'rish va tushunishning usullaridan biri ularni algoritm sifatida ko'rishdir, ular ko'tarilgan muammoga ma'lum echimlarni beradi va nazariy jihatdan, yuzaga kelishi mumkin bo'lgan har bir muammoni hal qilish uchun algoritm yaratiladi, bu uning ichida. o'z yo'li. vaqt optimal yechim sifatida yaratilgan va o'ylab topilgan. Neyron tarmoqlarni tadqiq qilayotganingiz uchun siz uchun bu haqda bilish qulay bo'ladi kompyuter xususiyatlari. Masalan, C xarajat funktsiyasi kabi funktsiyalar mavjud, u o'quv mavzusi doirasida, u asosan vakillikdir va u ma'lum bir muammoni hal qilish qanchalik uzoqqa borishi mumkinligini va u qanchalik uzoq ekanligini ko'rsatish uchun mas'uldir. unga erishish uchun. siz hal qilmoqchi bo'lgan muammoning yaxshiroq yechimi. Neyron tarmoqlarning o'rganish funktsiyasi uchun mo'ljallangan ko'plab algoritmlar yechim topish uchun har bir mumkin bo'lgan echimlar bo'shlig'ini qidirish uchun javobgardir; nazariy jihatdan u mumkin bo'lgan eng yaxshi samaradorlik va samaradorlikni taklif qiladi, shuningdek, uni tejaydi, chunki u kelajakda kerak bo'lishi mumkinligini tushunadi.Agar o'quv funktsiyasi ilovalar uchun bajarilgan bo'lsa, birinchi navbatda yechim topish uchun ma'lum ma'lumotlarni etkazish kerakmi yoki yo'qmi o'rganiladi, shuning uchun ko'rib chiqilishi kerak bo'lgan muammo o'rganilgan hamma narsaga mutanosibdir. muammoni hal qiling, aks holda o'rganish funktsiyasi ma'nosiz bo'ladi. Tarmoqlar haqida gapiradigan bo'lsak, "chastota" atamasi bir qator statistik ma'lumotlarni aniqlash uchun ishlatiladi, lekin ular faqat taxminiy ma'lumotlarni shakllantirish uchun xizmat qiladi, masalan, muammo bor va yechim topish kerak, bu qanchalik ehtimoli borligi taxmin qilinadi. uni hal qilish va mas'ul bo'lgan chastota, muvaffaqiyatsizlik ehtimolini minimal darajaga tushirishdir.