КОНФЕРЕНЦІЇ ВНТУ електронні наукові видання, 
Молодь в науці: дослідження, проблеми, перспективи (МН-2024)

Розмір шрифта: 
Аналіз та порівняння підходів до нейро-нечіткого прогнозування
Андрій Романович Ліщук

Остання редакція: 2024-03-19

Анотація


Проведено аналіз та порівняння підходів до нейро-нечіткого прогнозування. Визначено основні характеристики та особливості моделей ANFIS, TSK та ANFIS-CMAC. Розглянуто архітектуру, принцип роботи та методи навчання кожної моделі. Проведено порівняльний аналіз їх ефективності та застосування в різних галузях.

 

 

Analysis and comparison of approaches to neuro-fuzzy forecasting

Abstracts: The approaches to neuro-fuzzy forecasting are analyzed and compared. The main characteristics and features of the ANFIS, TSK and ANFIS-CMAC models are determined. The architecture, operating principle and training methods of each model are considered. A comparative analysis of their efficiency and application in various industries is carried out.


Ключові слова


aналіз; нейро-нечітке прогнозування; ANFIS; TSK; ANFIS-CMAC; analysis; neuro-fuzzy forecasting

Посилання


  1. Salleh, M.N.M., Talpur, N., Hussain, K. (2017). Adaptive Neuro-Fuzzy Inference System: Overview, Strengths, Limitations, and Solutions. In: Tan, Y., Takagi, H., Shi, Y. (eds) Data Mining and Big Data. DMBD 2017.

  2. X. Gu, F. -L. Chung and S. Wang, "Bayesian Takagi–Sugeno–Kang Fuzzy Classifier," in IEEE Transactions on Fuzzy Systems, vol. 25, no. 6, pp. 1655-1671, Dec. 2017.

  3. Mohammad Fazle Azeem, Fuzzy Intrface System – Theory and Applications, Croatia, Rijeka: InTech, 2012, pages 421-443. 

Повний текст: PDF