Rozwinięcie ewolucyjnego systemu reguł rozmytych poprzez wprowadzenie warstwowej bazy reguł

• Autorzy: Piotr Wojewnik
• Języki publikacji: PL

Abstrakty

W niniejszej pracy rozważany jest problem tworzenia systemu reguł rozmytych przy użyciu metod ewolucyjnych. Trudność zadania wynika z dużej liczby potencjalnych rozwiązań i braku ogólnej postaci analitycznej zależności pomiędzy strukturą systemu a jakością klasyfikacji. W pracy przedstawiono rozwinięcie procedury generowania systemów reguł Ishibuchi'ego (2002) poprzez wprowadzenie warstwowej bazy reguł i wielokrotnej preselekcji. Skuteczność metody jest badana na tle innych procedur w analizie tzw. "złego długu". (abstrakt oryginalny)

Słowa kluczowe

PL

Systemy rozmyte

EN

Fuzzy systems

• Czasopismo: Roczniki Kolegium Analiz Ekonomicznych / Szkoła Główna Handlowa
• Rocznik: 2004
• Numer: nr 13 Metody badań procesów społeczno-ekonomicznych
• Strony: 149--159

Twórcy

autor

Piotr Wojewnik

• Szkoła Główna Handlowa w Warszawie

Bibliografia

• Aczel A. (2000), Statystyka w zarządzaniu, PWN, Warszawa.
• Cooper M.G., J.J. Vidal (1993), Genetic design of fuzzy logie controllers, Proc. 2nd Int. Conf. FTT'93, Durham.
• Cichosz P. (2002), Systemy uczące się, WNT, Warszawa.
• Gąsiorowski P., P. Wojewnik (2003), Credit scoring klientów bankowych w oparciu o indukcyjne metody eksploracji informacji, Bad. Statutowe 03/S/001/03, IE SGH, Warszawa.
• Herrera F., red. (1996), Genetic algorithms and soft computing, Physica-Verlag, Heidelberg,.
• Holland J. (1975), Adaptation in Natural and Artificial Systems, The University of Michigan Press.
• Ishibuchi H., T. Yamamoto (2002), Fuzzy rule selection by data mining criteria and GA, Proc. GECCO, NY, 2002.
• Kacprzyk J. (2001), Wieloetapowe sterowanie rozmyte, WNT, Warszawa.
• Karr C. L. (1991), Genetic algorithms for fuzzy logic controllers, AI Expert, Vol. 6.
• Lee M.A, H. Takagi (1993), Embedding a priori knowledge into an integrated fuzzy system design model based on genetic algorithms, Proc. of 5th IFSA'93, Seoul.
• Lindsay P.H., D.A. Norman (1991), Procesy przetwarzania informacji u człowieka. Wprowadzenie do psychologii, tłum. A. Kowaliszyn, Wyd. Nauk. PWN, Warszawa.
• Michalewicz Z. (2003), Algorytmy genetyczne + struktury danych = programy ewolucyjne, WNT, Warszawa.
• Nykowski I. (1984), Programowanie liniowe, PWE, Warszawa.
• Pena-Reyes C.A., M. Sipper (2003), Fuzzy CoCo: Balancing Accuracy and Interpretability of Fuzzy Models by Means of Coevolution, (w:) J. Casillas, O. Cordon, F. Herrera, and L. Magdalena (red.): Accuracy Improvements in Linguistic Fuzzy Modeling, Studies in Fuzziness and Soft Computing, Physica- Verlag (w przygotowaniu).
• Slawinski T., A. Krone, P. Krause, U. Hammel und D. Wiesmann (1999), Fuzzy Adaption der evolutionären Regelsuche im Fuzzy-ROSA-Verfahren, 9. Workshops Fuzzy Control, Universität Dortmund.
• Strelau J., red. (2001), Psychologa. Podręcznik akademicki, t.2 Psychologia ogólna, Gdańskie Wyd. Psychologiczne, Gdańsk.
• Surmann H., A. Selenschtschikow (2002), Automatic generation of fuzzy logic rule bases: Examples I, Proc. NF2002, Cuba.
• Szapiro T. (1991) Podejście interaktywne we wspomaganiu podejmowania decyzji, WSE Press, Warszawa.
• Wieczorkowska-Siarkiewicz G. (1992), Punktowe i przedziałowe reprezentacje celu. Uwarunkowania i konsekwencje, Wyd. Wydziału Psychologii UW, Warszawa.
• Wojewnik P. (2003), Ewolucyjny algorytm eksploracji reguł rozmytych, Bad. Statutowe 03/S/001/03 IE SGH, Warszawa.
• Zadeh L. A. (1965) Fuzzy Sets, Information and Control, Vol. 8.