Počet záznamů: 1
Extraction of Fuzzy Logic Rules from Data by Means of Artificial Neural Networks
- 1.
SYSNO ASEP 0405527 Druh ASEP J - Článek v odborném periodiku Zařazení RIV J - Článek v odborném periodiku Poddruh J Článek ve WOS Název Extraction of Fuzzy Logic Rules from Data by Means of Artificial Neural Networks Překlad názvu Extrakce pravidel fuzzy logiky z dat pomocí umělých neuronových sítí Tvůrce(i) Holeňa, Martin (UIVT-O) SAI, RID Zdroj.dok. Kybernetika. - : Ústav teorie informace a automatizace AV ČR, v. v. i. - ISSN 0023-5954
Roč. 41, č. 3 (2005), s. 297-314Poč.str. 18 s. Jazyk dok. eng - angličtina Země vyd. CZ - Česká republika Klíč. slova knowledge extraction from data ; artificial neural networks ; fuzzy logic ; Lukasiewicz logic ; disjunctive normal form Vědní obor RIV BA - Obecná matematika CEP IAA1030004 GA AV ČR - Akademie věd CEZ AV0Z10300504 - UIVT-O (2005-2011) UT WOS 000233665200003 EID SCOPUS 25444464640 Anotace A method for the extraction of rules in a general fuzzy disjunctive normal form is described in detail and illustrated on real-world applications. Furter, the paper proposes an algorithm demonstrating a principal possibility to extract fuzzy logic rules from multilayer perceptrons with continuous activation functions, i.e., from the kind of neural networks most universally used in applications. However, complexity analysis of the individual steps of that algorithm reveals that it involves computations with doubly-exponential complexity, due to which it can not without simplifications serve as a practically applicable alternative to methods based on specialized neural networks. Pracoviště Ústav informatiky Kontakt Tereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800 Rok sběru 2006
Počet záznamů: 1