[article]
| Titre : |
Genetic optimization of fuzzy polynomial neural networks |
| Titre original : |
Optimisation génétique des réseaux neurologiques polynômes brouillés |
| Type de document : |
texte imprimé |
| Auteurs : |
Roh, Seok-Beom, Auteur ; Pedrycz, Witold, Auteur ; Oh, Sung-Kwun, Auteur |
| Année de publication : |
2007 |
| Article en page(s) : |
2219-2238 p. |
| Note générale : |
Electronique |
| Langues : |
Anglais (eng) |
| Mots-clés : |
Fuzzy-set-based polynominal neural networks (FSPNNs) neuron (FSPN) Genetic algorithms (GAs) Group method of data handling (GMDH) Hard C-means (HCM) clustering Information granulation (IG) |
| Index. décimale : |
621 Ingénierie mécanique en général. Technologie nucléaire. Ingénierie électrique. Machinerie |
| Résumé : |
In this paper, we introduce a new topology of fuzzy–neural networks—fuzzy-set-based polynomial neural networks (FSPNNs). The two underlying design mechanisms of such networks involve genetic optimization and information granulation (IG). The resulting constructs come in the form of fuzzy polynomial neural networks with fuzzy-set-based polynomial neurons, regarded as their generic processing elements. First, we introduce a comprehensive design methodology using which we determine the optimal structure of the FSPNNs. This methodology hinges on the extended group method of data handling and fuzzy-set-based rules. It concerns the optimization of the FSPNN-related parameters such as the number of input variables, the order of the polynomial, the number of membership functions, and a collection of a specific subset of input variables realized through the mechanism of genetic optimization. Second, the fuzzy rules used in the networks exploit a notion of information granules defined over a system's variables and formed through the process of IG. This granulation is realized with the aid of the hard C-means clustering algorithm. The performance of the network is quantified through experimentation in which we use a number of modeling benchmarks already experimented with in the realm of fuzzy or neurofuzzy modeling.
En cet article, nous présentons une nouvelle topologie des réseaux neurologiques polynômes basés brouillés d'ensemble brouillé de réseaux neurologiques (FSPNNs). Les deux mécanismes fondamentaux de conception de tels réseaux comportent la granulation génétique d'optimisation et d'information (IG). Les constructions résultantes viennent sous forme de réseaux neurologiques polynômes brouillés avec les neurones polynômes basés d'ensemble brouillé, considérés comme leurs éléments de traitement génériques. D'abord, nous présentons employer complet de méthodologie de conception que nous déterminons la structure optimale du FSPNNs. Cette méthodologie s'articule sur la méthode prolongée de groupe de traitement des données et de règles basées d'ensemble brouillé. Elle concerne l'optimisation des paramètres FSPNN-connexes tels que le nombre de variables d'entrée, l'ordre du polynôme, le nombre d'adhésion fonctionne, et une collection d'un sous-ensemble spécifique de variables d'entrée réalisées par le mécanisme de l'optimisation génétique. En second lieu, les règles brouillées utilisées dans les réseaux exploitent une notion des granules de l'information définis au-dessus des variables d'un système et formés par le processus d'IG. Cette granulation est réalisée à l'aide du dur C-signifie l'algorithme groupant. L'exécution du réseau est mesurée par l'expérimentation dans laquelle nous employons un certain nombre de repères modelants avons déjà expérimenté avec dans le royaume de modeler brouillé ou neuro--brouillé. |
| DEWEY : |
621 |
| ISSN : |
0278-0046 |
| RAMEAU : |
polynômes |
| En ligne : |
pedrycz@ece.ualberta.ca, ohsk@suwon.ac.kr |
in IEEE transactions on industrial electronics > Vol. 54 N°4 (Août 2007) . - 2219-2238 p.
[article] Genetic optimization of fuzzy polynomial neural networks = Optimisation génétique des réseaux neurologiques polynômes brouillés [texte imprimé] / Roh, Seok-Beom, Auteur ; Pedrycz, Witold, Auteur ; Oh, Sung-Kwun, Auteur . - 2007 . - 2219-2238 p. Electronique Langues : Anglais ( eng) in IEEE transactions on industrial electronics > Vol. 54 N°4 (Août 2007) . - 2219-2238 p.
| Mots-clés : |
Fuzzy-set-based polynominal neural networks (FSPNNs) neuron (FSPN) Genetic algorithms (GAs) Group method of data handling (GMDH) Hard C-means (HCM) clustering Information granulation (IG) |
| Index. décimale : |
621 Ingénierie mécanique en général. Technologie nucléaire. Ingénierie électrique. Machinerie |
| Résumé : |
In this paper, we introduce a new topology of fuzzy–neural networks—fuzzy-set-based polynomial neural networks (FSPNNs). The two underlying design mechanisms of such networks involve genetic optimization and information granulation (IG). The resulting constructs come in the form of fuzzy polynomial neural networks with fuzzy-set-based polynomial neurons, regarded as their generic processing elements. First, we introduce a comprehensive design methodology using which we determine the optimal structure of the FSPNNs. This methodology hinges on the extended group method of data handling and fuzzy-set-based rules. It concerns the optimization of the FSPNN-related parameters such as the number of input variables, the order of the polynomial, the number of membership functions, and a collection of a specific subset of input variables realized through the mechanism of genetic optimization. Second, the fuzzy rules used in the networks exploit a notion of information granules defined over a system's variables and formed through the process of IG. This granulation is realized with the aid of the hard C-means clustering algorithm. The performance of the network is quantified through experimentation in which we use a number of modeling benchmarks already experimented with in the realm of fuzzy or neurofuzzy modeling.
En cet article, nous présentons une nouvelle topologie des réseaux neurologiques polynômes basés brouillés d'ensemble brouillé de réseaux neurologiques (FSPNNs). Les deux mécanismes fondamentaux de conception de tels réseaux comportent la granulation génétique d'optimisation et d'information (IG). Les constructions résultantes viennent sous forme de réseaux neurologiques polynômes brouillés avec les neurones polynômes basés d'ensemble brouillé, considérés comme leurs éléments de traitement génériques. D'abord, nous présentons employer complet de méthodologie de conception que nous déterminons la structure optimale du FSPNNs. Cette méthodologie s'articule sur la méthode prolongée de groupe de traitement des données et de règles basées d'ensemble brouillé. Elle concerne l'optimisation des paramètres FSPNN-connexes tels que le nombre de variables d'entrée, l'ordre du polynôme, le nombre d'adhésion fonctionne, et une collection d'un sous-ensemble spécifique de variables d'entrée réalisées par le mécanisme de l'optimisation génétique. En second lieu, les règles brouillées utilisées dans les réseaux exploitent une notion des granules de l'information définis au-dessus des variables d'un système et formés par le processus d'IG. Cette granulation est réalisée à l'aide du dur C-signifie l'algorithme groupant. L'exécution du réseau est mesurée par l'expérimentation dans laquelle nous employons un certain nombre de repères modelants avons déjà expérimenté avec dans le royaume de modeler brouillé ou neuro--brouillé. |
| DEWEY : |
621 |
| ISSN : |
0278-0046 |
| RAMEAU : |
polynômes |
| En ligne : |
pedrycz@ece.ualberta.ca, ohsk@suwon.ac.kr |
|
Ajouter le résultat dans votre panier Faire une suggestion Affiner la rechercheGenetic optimization of fuzzy polynomial neural networks / Roh, Seok-Beom in IEEE transactions on industrial electronics, Vol. 54 N°4 (Août 2007)
