Про вибір способу навчання нечіткої моделі функціонування перспективного озброєння
DOI:
https://doi.org/10.33577/2312-4458.6.2012.36-42Ключові слова:
перспективне озброєння, нечітка модель, настроювання параметрів, навчальна вибіркаАнотація
Проведено аналіз існуючих методів настроювання нечітких моделей та оцінка можливостей їх застосування для настроювання параметрів нечітких моделей функціонування перспективного озброєння.Посилання
Чобиток В.А. Оценка боевой эффективности и технического совершенства вооружения и техники / В.А. Чобиток. – К.: КВТИУ, 1984. – 60 с.
Мартыщенко Л.А. Методы военно-научных исследований в задачах разработки и испытания вооружения / Л.А. Мартыщенко, В.В. Панов. – Ч. 1. – М.: МО, 1981. – 280 с.
Куприненко А.Н. Обоснование методов моделирования процессов функционирования перспективного вооружения / А.Н. Куприненко // Військово-технічний збірник. – № 2(5). – 2011. – С. 31-38.
Круглов В.В. Нечёткая логика и искусственные нейронные сети / В.В. Круглов, М.И. Дли, Р.Ю. Голунов. – М.: Физматлит, 2001. – 221 с.
Espinosa J. Fuzzy logic, identification and predictive control / J. Espinosa, J. Vandewalle, V. Wertz. – London: Springer-Verlag, 2005. – 263 p.
Штовба С.Д. Обеспечение точности и прозрачности нечеткой модели Мамдани при обучении по экспериментальным данным / С.Д. Штовба // Проблемы управления и информатики. – 2007. – № 4. – С. 102-114.
Борисов В.В. Нечеткие модели и сети / В.В. Борисов, В.В. Круглов, А.С. Федулов. – М.: Горячая линия - Телеком, 2007. – 284 с.
Ротштейн А.П. Интеллектуальные технологии идентификации: нечеткие множества, генетические алгоритмы, нейронные сети / А.П. Ротштейн. – Винница: «УНІВЕРСУМ»-Вінниця, 1999. – 320 с.
Ходашинский И.А. Основанные на производных и метаэвристические методы идентификации параметров нечетких моделей / И.А. Ходашинский, В.Ю. Гнездилова, П.А. Дудин, A.B. Лавыгина // Труды VIII международной конференции «Идентификация систем и задачи управления» SICPRO '08. – М.: Институт проблем управления им. В.А. Трапезникова РАН. – 2009. – С. 501-529.
Круглов В.В. Искусственные нейронные сети. Теория и практика / В.В. Круглов, В.В. Борисов. – 2-е изд. – М.: Горячая линия - Телеком, 2002. – С. 382.
Dreo J. Metaheuristics for hard optimization: Simulated Annealing, Tabu Search, Evolutionary and Genetic Algorithms, Ant Colonies. Methods and case studies / J. Dreo, A. Petrowski, P. Siarry, E. Taillard. – Berlin: Springer, 2006. – 369 p.
Ходашинский И.А. Идентификация нечетких систем: методы и алгоритмы / И.А. Ходашинский // Проблемы управления. – 2009. – № 4. – С. 15-23.
Warwick K. Genetic least squares for system identification / K. Warwick, Y., H. Kang, R. J. Mitchell//Soft Computing Springer-Verlag. – 1999. – № 3. – P. 200-205.
Лавыгина А.В. Алгоритмы и программные средства настройки параметров нечетких моделей на основе гибридных методов: дис. … канд. техн. наук: 05.13.18 / Лавыгина Анна Владимировна. – Томск, 2010. – 162 с.
Cassillas J., Cordon O., Viana I., Herrera F. Learning cooperative linguistic rules using the best-worst ant system algorithm / J. Cassillas, O. Cordon, I. Viana, F. Herrera // Journal of Intelligent Systems. – 2005. – Vol. 20. – Р. 433-452.
Cassillas J., Cordon O., Herrera F. Learning fuzzy rules using ant colony optimization algorithms / J. Cassillas, O. Cordon, F. Herrera // Proc. 2nd Workshop on Ant Algorithms – from Ant Colonies toArtificial Ants. – Brussels, 2000. – Р. 13-21.
Дудин П. А. Гибридные алгоритмы муравьиной колонии для идентификации параметров нечетких систем: автореф. канд дис. на соиск. уч. степени канд. техн. наук: спец. 05.13.18 – «Математическое моделирование, численные методы и комплексы программ» / П.А. Дудин. – 2011. – 25 с.
Juang Chia-Feng. Combination of Particle Swarm and Ant Colony Optimization Algorithms for Fuzzy Systems Design / Juang Chia-Feng // Fuzzy Systems. – February 2010. – Р. 195-208.
Паклин Н.Б. Адаптивные модели нечеткого вывода для идентификации нелинейных зависимостей в сложных системах: дис. канд. техн. наук: 05.13.18 / Паклин Николай Борисович. – Ижевск, 2004. – 167 с.
Бешелев С.Д. Математико-статистические методы экспертных оценок / С.Д. Бешелев, Ф.Г. Гурвич. – М.: Статистика, 1980. – 263 с.
Ротштейн А.П., Штовба С.Д. Идентификация нелинейной зависимости нечеткой базой знаний с нечеткой обучающей выборкой / А.П. Ротштейн, С.Д. Штовба // Кибернетика и системный анализ. – 2006. – № 2. – С. 17–24.
Штовба С.Д. Навчання нечіткої бази знань за вибіркою нечітких даних / С.Д. Штовба // Штучний інтелект. – 2006. – № 4. – C. 560–570.
Штовба С.Д. Настройка нечеткой модели по обучающей выборке с нечетким выходом / С.Д. Штовба // Кибернетика и системный анализ. – 2007. – № 3. – С. 26-32.
Zimmerman H.J. Fuzzy set theory and its applications / H.J. Zimmerman. – Kluwer Academic Publishers, 3rd ed. – 1996. – 435 p.
