Resumen

En este trabajo se propone un novedoso clasificador de red neuronal difusa adaptativa min-max denominado AFMN. Combinado con el análisis de componentes principales y el algoritmo genético adaptativo, este sistema integrado puede servir como técnica de clasificación supervisada y en tiempo real. Teniendo en cuenta la laguna existente en el proceso de expansión-contracción de FMNN y GFMN y la arquitectura de red excesivamente compleja de FMCN, AFMN mantiene la arquitectura simple de FMNN para un aprendizaje y comprobación rápidos, al tiempo que reescribe la función de pertenencia y las reglas de expansión y contracción para la generación de hipercajas con el fin de resolver los problemas de confusión en la región de solapamiento de hipercajas. Además, se adopta el análisis de componentes principales para reducir la dimensionalidad del conjunto de datos y aumentar la eficacia del aprendizaje. Tras el entrenamiento, se calcula el coeficiente de confianza de cada hipercaja basándose en la distribución de las muestras. Durante el procedimiento de clasificación, la utilización del algoritmo genético adaptativo para completar la optimización de parámetros para AFMN también puede acelerar todo el procedimiento en comparación con el método transversal. Para condiciones en las que las muestras de entrenamiento son insuficientes, la actualización del peso del núcleo de datos es indispensable para mejorar la robustez del clasificador y la función de membresía modificada puede ajustarse a sí misma de acuerdo con las variedades de entrada. El artículo demuestra el rendimiento de AFMN a través de ejemplos sustanciales en términos de precisión de clasificación y velocidad de funcionamiento, comparándolo con FMNN, GFMN y FMCN.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:algoritmo genético adaptativo, análisis de componentes principales, afmn, fmnn, función de pertenencia, actualización del peso del núcleo de datos, fuzzy min adaptativo, reducción de la dimensionalidad del conjunto de datos, región de solapamiento de hipercaja, clasificador de red neuronal
• Keywords:adaptive genetic algorithm, principle component analysis, afmn, fmnn, membership function, data core weight updating, adaptive fuzzy min, dataset dimensionality reduction, hyperbox overlap region, neural network classifier