Mạng nơron min-max mờ tăng trưởng

Abstract

Bài báo này trình bày một mạng nơron được cải tiến từ mô hình mạng nơron phân cụm mờ min-max (FMNN). Mô hình cải tiến được gọi là GFMNN nhằm giải quyết hai hạn chế căn bản của FMNN. Thứ nhất, GFMNN có cấu trúc tự động tăng trưởng số lượng nơron trong quá trình huấn luyện tùy theo đặc tính riêng của mỗi tập dữ liệu. Thứ hai, GFMNN cho phép xử lý trực tiếp các dữ liệu thực mà không cần chuẩn hóa trước. Các thực nghiệm đã được chúng tôi tiến hành trên hai tập dữ liệu PID và Iris để so sánh GFMNN với các phương pháp khác đã được công bố.