Файл: Нечеткая логика и нейронные сети.pdf

Выводы по главе

Метод нечеткой логики позволяет решать задачи прогнозирования, управления и другие с использованием имеющихся нечетких баз знаний, получаемых, например, от экспертов.

Для получения числовых значений на выходе необходимо иметь хотя бы ориентировочные значения для соответствующих уровней переменных.

Методом нечеткой логики решена задача вычисления затрат на свадьбу с использованием трех заданных правил нечеткой логики.

Заключение

Кратко описанная история развития искусственных нейронных сетей показывает, как развивалась эта отрасль знаний с середины прошлого века до наших дней. Развитая теория и технические реализации привели в настоящее время к широкому практическому использованию нейронных сетей для решения многих задач.

Развитие теории искусственных нейронных сетей быстро пошло благодаря изучению мозга и успешного моделированию его работы.

Искусственный нейрон, как элемент нейронных сетей, с помощью правильной настройки его параметров, функции активации и величине порогового сигнала, получает необходимые для решения задач свойства. При этом большое значения имеет структура нейронных сетей.

Очень важным свойством нейронных сетей является их способность обучаться на основе данных окружающей среды и в результате обучения повышать свою функциональность.

Ценным способом решения многих задач является метод нечеткой логики, который применяется при прогнозировании, в задачах управления и даже для решения бытовых задач.

Список литературы

1. Аксенов С. В. Организация и использование нейронных сетей (методы и технологии) / С. В. Аксенов, В. Б. Новосельцев ; под общ. ред. В. Б. Новосельцева. –Томск : Изд. НТЛ, 2006. –С.5.
2. Блум Ф., и др. Мозг, разум и поведение. / Ф. Блум, А. Лейзерсон, Л. Хофстедтер. Перевод с английского канд. биол. Наук Е.З. Годиной. –

М. : "Мир" 1988.

1. Галушкин А.И. Теория нейронных сетей. Кн. 1: Учеб. Пособие для вузов. / Общая ред. А.И. Галушкина. – М. : ИПРЖР, 2000. 416 с.
2. Каллан Р. Основные концепции нейронных сетей./ Р. Каллан: Пер. с англ. – М. : Издательский дом «Вильямс», 2001. –287 с.
3. Косицын Н. С. Микроструктура дендритов и аксодендритических связей в центральной нервной системе./ Н. С. Косицын – М.: Наука, 1976, 197 с.
4. Минский М. Персептроны = Perceptrons. / М. Минский, С. Пейперт. –М.: Мир, 1971. –261 с.
5. Немечек С. и др. Введение в нейробиологию/ С. Немечек. Прага. Avicennum, 1978, 400 c.
6. Петров А. П. О возможностях перцептрона. / А. П. Петров. // Известия АН СССР, Техническая кибернетика. –1964. –№6.
7. Розенблатт Ф. Принципы нейродинамики: Перцептроны и теория механизмов мозга. / Ф. Розенблатт. –М.: Мир, 1965. –480 с.
8. Хайкин С. Нейронные сети: полный курс, 2-е издание./С. Хайкин.: Пер. с англ. – М. : Издательский дом «Вильямс», 2006. – 1104 с.
9. Штовба С.Д. Проектирование нечетких систем средствами МАТЛАБ./ С.Д. Штовба. – М. : Горячая линия - Телеком, 2007. – 288 с.
10. Hebb D. O. A Neuropsychological Theory. In Psychology: A Study of a Science. –Vol. 1. / Edited by Sigmund Koch. –New York: McGrawHill, 1959. –846 p.
11. Mc Culloch W. С. H. A Logical Calculus of Ideas Immanent in Nervous Activity. / W. С. Mc Culloch, W. H. Pitts. // Bulletin of Mathematical Biophysics. –1943. –Vol. 5. –P. 115–119.
12. Robert F. Service. A million spikingneuron integrated circuit with a scalable communication network and interface // Science. 8 August 2014.–Vol. 345. –No. 6197. –P. 668–673.