Адаптивная система нейро-нечеткого вывода (ANFIS)

Question

У вас есть пример или объяснение ANFIS (Адаптивная система нейро-нечеткого вывода), я читаю, что это может быть применено для классификации некоторых заболеваний. Что вы об этом думаете?

Answer 1

Обычно для разработки нечеткой системы необходимо определить правила if-then, подходящие функции членства и их параметры.Это не всегда тривиальная задача, особенно разработка правильных правил if-then может занять много времени, так как сначала нам нужно как-то «извлечь» экспертные знания.

Вот где ANFIS вступает в игру: при определенных условияхобстоятельства могут автоматически определять подходящие параметры для функций членства.В частности, это тот случай, когда у нас уже есть набор входных и связанных выходных переменных и значений.Как и в искусственной нейронной сети, система ANFIS может адаптировать свои узлы и соединения между ними «автоматически».

К вашему вопросу: вы, конечно, могли бы создать систему ANFIS для вашей классификации заболеваний, еслиуже имеются входные и выходные данные для обучения системы.Но это не обязательно связано с такими системами, вы можете увидеть ANFIS скорее подход, пригодный для использования в указанных обстоятельствах, чем инструмент для конкретной проблемы.Все зависит от требований к системе, которую вы хотите создать, а также от известных (внешних) предварительных условий ...

Надеюсь, это поможет!

Answer 2

Как сказал Матиас, ANFIS не сопоставлен с конкретной проблемой, вы можете использовать ее исходя из требований проблемы.Но где использовать ANFIS: Вы можете использовать это с любой проблемой, где что-то неоднозначно.

На самом деле это свойство FIS (Система нечеткого вывода).Адаптивные вступают в роли, как объяснил Матиас.

НапримерВзята известная проблема классификации: классификация входных данных для любого класса не всегда идеально определена, она несколько неоднозначна.Таким образом, использование ANFIS может дать лучшие результаты, чем другие алгоритмы классификации, в зависимости от того, способны ли вы правильно смоделировать систему или не используете ANFIS.

Но использование ANFIS вычислительно дорого по сравнению с другими нечеткими подходами.Как сделать FIS для идеальной модели вашей проблемы, вы добавите к ней часть AN.Это только делает выбор функции членства адаптивным.Как насчет правил «если-то».Для этого вам нужно выполнить неконтролируемый выбор правил из всей возможной базы правил (это в основном своего рода проблема неконтролируемой кластеризации, когда вы пытаетесь сгруппировать все правила, эффект которых будет таким же).

Answer 3

Да, его можно использовать для классификации болезней.Поскольку идея ANFIS заключается в объединении нечеткой системы в архитектуре ANN.В этом случае ANFIS имеет два основных преимущества:

Во-первых, вы можете использовать нечеткую переменную, которая поддерживает лингвистическую переменную, и она подходит для симптомов болезней, которые обычно используются в качестве входных данных системы (пример ввода >> уровней боли: низкий, средний, высокий).

Во-вторых, поскольку архитектура сопоставлена ​​со слоями ANN, ANFIS может выполнять учебный процесс, целью которого является создание более точного результата (например, используйте метод обратного распространения).

Answer 4

До сих пор я нашел университетский «Монаш», который объясняет ( на основе руководства Matlabs's Fuzzy Logic Toolbox ) ANFIS.

Система нечеткого выводамы рассмотрели модель, которая отображает:

• входные характеристики для входных функций членства
• входные функции членства для правил
• правила для набора выходных характеристик
• выходные характеристики для выходных функций принадлежности
• выходные функции принадлежности к однозначному выходу или решение, связанное с выходом.