Clasificador difuso neuronal aplicado a casos de datos sintéticos
DOI:
https://doi.org/10.61799/2216-0388.54Resumen
RESUMEN En este artículo se presenta el desarrollo de un sistema computacional difuso neuronal que permite clasificar casos de datos sintéticos a través patrones con solapamiento controlado. Se construyó una serie de modelos neuronales con lógica difusa y redes neurales que fueron analizados utilizando diferentes porcentajes de solapamiento. En función de los resultados obtenidos, se seleccionó el mejor modelo para clasificar los patrones de acuerdo con criterios apropiados de desempeño como error permitido y tiempo de entrenamiento. Se obtuvo un modelo capaz de identificar un tipo de clase, que tiende a minimizar los errores de clasificación. El modelo difuso neuronal de este tipo puede ayudar a especialistas de diferentes disciplinas a diagnosticar con un mínimo de error, cuando los datos presentan rasgos con patrones solapados.
Descargas
Referencias
Bishop, C. (1994). Neural Networks and their applications. Rev.Sci.Instrum., 65(6), 1803-1832. DOI: https://doi.org/10.1063/1.1144830
Duch, W.; Adarnzak, R.; Grabczewski, K. (2001). A new methodology of extraction, optimization and application of crisp and fuzzy logical rules. IEEE trans. Neural Networks, 12, 277–306. DOI: https://doi.org/10.1109/72.914524
Duch, W.; Setiono, R.; Zurada, J. (2004). Computacional Methods for Rule-Based Data Understanding. Proceedings of the IEEE, 92(5), 771-805. DOI: https://doi.org/10.1109/JPROC.2004.826605
Hayashi, Y. (1994). Neural expert system using fuzzy teaching input and its application to medical diagnossis, Information scieces applications, 1, 47-58. DOI: https://doi.org/10.1016/1069-0115(94)90019-1
Hayashi, Y.; Imura, A.; Yoshida, K. (1990). Fuzzy neural expert system and its application to medical diagnosis, 8th International Congress on Cybernetics and Systems, New York City, 54-61.
Ma, L.; Chen, H.; Tian, Z.; He, W. (1999). Monitoring the particle size in CFB using fuzzy neural network. United States: American Society of Mechanical Engineers, New York, NY (US).
Mitra, S.; Hayashi, Y. (2000). Neuro-fuzzy rule generation: Survey in soft computing framework. IEEE Transactions on Neural Networks, 11, 748-768. DOI: https://doi.org/10.1109/72.846746
Pal, S.; Mitra, S. (1992). Multilayer perceptron, fuzzy sets, and classification. IEEE Transactions on Neural Networks, 3(5). DOI: https://doi.org/10.1109/72.159058
Pal, S.; Mitra, S. (1999). Neuro-Fuzzy Pattern Methods in soft Computing, Indian Statistical Institute Calcuta. Editorial Wiley and Sons, IN C.
Ramirez, C.; Vladimirova, T.A. (1995). Fuzzy neural network for fuzzy classification En IEEE International Conference on Systems, Man and Cybernetics. Vancouver, Canada, 322-327.
Descargas
Publicado
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
