Статья “Application of Evidence Theory for Training Fuzzy Neural Networks in Diagnostic Systems” опубликована в журнале “Pattern Recognition and Image Analysis”. В ней обосновывается метод создания обучающих наборов данных для нечетких нейронных сетей, которые могут быть использованы для оперативного получения вероятностных оценок причин аномальных критических событий или инцидентов в диагностических системах. Рассматриваются правила преобразования гипотез о потенциальных причинах инцидентов в интервалы вероятности дефекта технологической цепи на некоторой стадии непрерывного производства с использованием функций доверия. Предлагается процедура автоматического преобразования этих гипотез в базу нечетких продукционных правил, которая обеспечивает обучение адаптивной нейронной сети на основе системы нечеткого вывода Такаги-Сугено-Канга. Это позволит оперативно вычислить относительно точную вероятностную оценку неисправности в технологической цепи без использования затратных вычислительных ресурсов.

Полный текст статьи

Цитирование:
Ivanov, V.K., Palyukh, B.V. Application of Evidence Theory for Training Fuzzy Neural Networks in Diagnostic Systems. Pattern Recognit. Image Anal. 33, 354–359 (2023). https://doi.org/10.1134/S1054661823030197

Другие мои публикации