стороны, это приводит к более резкому уменьшению погрешности за
счет обратного прохождения ошибки через нейрон-минимизатор без
изменения. С другой стороны, возможно и резкое возрастание погреш-
ности, что и наблюдается на 2-й итерации ввиду изменения нейрона,
дающего минимальное значение. В целом обучение для такой компо-
зиции эффективно, если соответствующие изменения весов отрица-
тельны, и неэффективно, если они положительны, так как высок риск
“
перехода” минимума на другой нейрон. Уменьшение шага коррекции
по ходу обучения существенно увеличивает эффективность алгоритма,
практически устраняя проблему локального роста функции ошибки.
При этом скорость обучения практически не снижается.
СПИСОК ЛИТЕРАТУРЫ
1.
З а д е Л. Понятие лингвистической переменной и его применение к принятию
приближенных решений. – М.: Мир, 1976. – 165 c.
2.
К о л м о г о р о в А. Н., Д р а г а л и н А. Г. Математическая логика. – М.:
КомКнига, 2006. – 240 с.
3.
К р у г л о в В. В., Д л и М. И. Нечеткая логика и искусственные нейронные
сети. – М.: ФИЗМАТЛИТ, 2001. – 224 с.
4.
О с у г а С. Обработка знаний: Пер. с япон. – М.: Мир, 1989. – 293 с.
5.
Р о г о з и н О. В. Адаптивный программный комплекс анализа качественных
показателей инновационного решения // Открытое образование. – 2011. – № 5.
–
С. 54–59.
6.
Р о г о з и н О. В. Метод нечеткого вывода решения в задаче подбора про-
граммного обеспечения на основе качественных характеристик этого обеспече-
ния как объекта инвестиций // Качество: Инновации: Образование. – 2009. – є
3. –
С. 43–49.
7.
С м и р н о в В. А. Теория логического вывода: Сб. тр. по теории логического
вывода. – М.: РОССПЭН, 1999. – 318 с.
8.
У э н о Х., И с и д з у к а М. Представление и использование знаний: Пер. с
япон. – М.: Мир, 1989. – 220 с.
9.
M a m d a n i E. H., A s s i l i a n S. An experiment in linguistic synthesis with a
fuzzy logic controller // Int. J. Man Mach. Studies. – 1975. – Vol. 7, No. 1. – P. 1–13.
10.
Q u i n l a n J. R. Introduction of decision tree // Machine Learning. – 1986. –
1:81–106.
11.
Q u i n l a n J. R. C4.5: Programs for Machine Learning. – Morgan Kauffman, 1993.
12.
S u g e n o M., K a n g G. T. Structure identification of fuzzy model // Fuzzy Sets
Syst. – 1988. – Vol. 28, No. 1. – P. 15–33.
13.
Z a d e h L. Fuzzy Sets // Information and Control. – June 1965. – No. 8(3). –
P. 338–353.
Статья поступила в редакцию 07.06.2012
38
ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2012
