Estimación automática de parámetros de funciones de pertenencia

Fecha

2005-06-22

Autores

Varela Martin, Alain José

Título de la revista

ISSN de la revista

Título del volumen

Editor

Universidad Central “Marta Abreu” de Las Villas

Resumen

Obtener los términos lingüísticos y la función de pertenencia (FP) correspondiente es una tarea que requiere conocimiento experto en el área de aplicación. Adaptar manualmente una FP a un problema concreto no es fácil, pequeñas modificaciones pueden causar cambios drásticos en la eficiencia del modelo. Este trabajo tiene como resultado un módulo de preprocesamiento para ser incorporado a la nueva versión de la herramienta computacional, que implementa un modelo híbrido RNA-RBC utilizando conjuntos borrosos para modelar los rasgos lineales. Este módulo brinda facilidades al usuario para la edición manual de FP; permite obtener de forma automática, a partir de ejemplos de entrenamiento, los parámetros de varios tipos de FP; y ajustar las FP iniciales para mejorar el desempeño de la RNA cuando utiliza rasgos borrosos. Este módulo sería imprescindible para validar el nuevo modelo utilizando archivos de datos internacionales, y de mucha utilidad en la aplicación del mismo a problemas reales. Además las heurísticas propuestas pueden ser incorporadas fácilmente por otros usuarios que requieran modelar sus datos utilizando conjuntos borrosos.
To obtain the linguistic terms and their corresponding membership functions (MF) is a task that requires expert knowledge in the application area. Manually adapting a MF to a specific problem is not easy because small modifications can cause drastic changes in the model’s performance. This work provides as outcome a preprocessing module to be incorporated to the new version of the NeuroDeveloper computational tool that implements a hybrid CBR-ANN model using fuzzy logic to model lineal features. This module enables users to manually edit MFs; it allows the retrieval –via automation from training examples-, of the parameters of several types of MFs; and fits the initial MFs to improve the performance of the RNA when it uses fuzzy features. This module would be essential to validate the new model using well-known international datasets and extremely useful in the model’s real applications. In addition, the heuristic proposals can be easily incorporated by other users who might require to model data as fuzzy.

Descripción

Palabras clave

Redes Neuronales Artificiales, Razonamiento Basado en Casos, Conjuntos Borrosos, Inteligencia Artificial

Citación