METHODS OF Z-CLASSIFIERS LEARNING
Abstract
The use of genetic and gradient algorithms for learning classifiers based on Z-model was considered. Combined method of consistent applying this algorithms was offered. The resulting method allows to calculate all model parameters including integer ones and provides acceptable model training quality.
About the Authors
D. A. Lavnikevich
Белорусский государственный университет информатики и радиоэлектроники
Belarus
Belarus
M. M. Tatur
Белорусский государственный университет информатики и радиоэлектроники
Belarus
Belarus
References
1. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. М., 2007.
2. Борисов В.В., Круглов В.В., Федулов А.С. Нечеткие модели и сети. М., 2007.
3. Хайкин С. Нейронные сети: полный курс, 2-е издание. М., 2008.
4. Татур М.М., Одинец Д.Н. Классификаторы в системах распознавания: прикладные аспекты синтеза и анализа. Минск, 2008.
5. Tatur M., Adzinets D., Lavnikevich D. et. al. // Nonlinear phenomena in complex systems, An Interdisciplinary Journal. 2011. Vol. 14.
6. Татур М., Одинец Д., Островский В и др. // Докл. БГУИР. 2010. № 5. С. 76-81.
Review
For citations:
Lavnikevich D.A., Tatur M.M. METHODS OF Z-CLASSIFIERS LEARNING. Doklady BGUIR. 2013;(6):98-101. (In Russ.)
Views: 2438
Email this article 