обучения

Дальнейшая настройка параметров построенной и обученной

гибридной сети может быть выполнена с помощью стандартных графических средств пакета Fuzzy Logic Toolbox. Для этого рекомендуется сохранить созданную систему нечеткого вывода во внешнем файле с расширением *.fis, после чего следует загрузить этот файл в редактор систем нечеткого вывода FIS.

Рис. 11. Графический интерфейс редактора FIS для сгенерированной системы

нечеткого вывода

Рис. 1 Графический интерфейс редактора функций принадлежности построенной системы нечеткого вывода

Рис. 13. Графический интерфейс просмотра правил сгенерированной системы

нечеткого вывода

Рис. 14. Фрагмент базы нечетких правил

6. Выполним проверку адекватности построенной нечеткой модели гибридной сети. Для этого можно спрогнозировать курс доллара на определенный день. Для решения этой задачи необходимо воспользоваться функцией evalfis.

3. Порядок выполнения работы

1. Подготовить файл с обучающими данными с расширением *.dat.

2. Загрузить файл с обучающими данными в редактор ANFIS.

3. Сгенерировать структуру системы нечеткого вывода FIS типа Сугено

4. Произвести обучение нейро-нечеткой сети, предварительно задав параметры обучения

5. Проверить адекватность построенной нечеткой модели гибридной сети.

4. Контрольные вопросы

1. Дайте определение нейро-нечеткой сети.

2. Каково предназначение сетей нейро-нечеткого вывода?

3. В чем преимущества использования нейро-нечетких сетей?

4. Охарактеризуйте структуру нейро-нечеткой сети.

5. Опишите процесс разработки нейро-нечеткой сети в среде MATLAB.

6. Как проверить адекватность построенной нейро-нечеткой сети?

7. Какие возможности по визуализации результатов моделирования предоставляет система MATLAB?

12