BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Wasiak Maciej
Tytuł
Przyspieszenie działania algorytmu genetycznego w uczeniu systemów rozmytych
Speeding up Learning of Fuzzy Systems Using Genetic Algorithm
Źródło
Prace Naukowe Akademii Ekonomicznej we Wrocławiu, 2005, nr 1064, s. 302-311, bibliogr. 19 poz.
Tytuł własny numeru
Pozyskiwanie wiedzy i zarządzanie wiedzą
Słowa kluczowe
Zarządzanie wiedzą, Systemy z bazą wiedzy, Algorytmy genetyczne, Sztuczna inteligencja, Uczenie maszynowe
Knowledge management, Knowledge based systems, Genetic algorithms, Artificial intelligence, Machine learning
Uwagi
summ.
Abstrakt
W artykule przedstawiono kilka prób poprawy szybkości pracy algorytmu genetycznego w trakcie optymalizacji systemów rozmytych. Opisywane eksperymenty i modyfikacje nie mają jednakże ścisłego związku z zastosowaniem algorytmu genetycznego akurat do systemów rozmytych i, w opinii autora, mogą mieć podobny skutek dla innych zastosowań algorytmu, np. do optymalizacji sieci neuronowych czy ekstrakcji reguł.

One of the biggest problems of machine learning is the speed of finding patterns, extracting rules, etc. The paper considers a problem of teaching fuzzy logic systems using genetic algorithm, which has also to select key input variables among their numerous set. Different attempts to speed up the process of learning are presented - mainly unsuccessful. Only one of presented methods gave positive results, speeding up the process more than 50%.(original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Duch W, Adamczak R, Grąbczewski, A New Methodology of Extraction, Optimization and Application of Crisp and Fuzzy Logical Rules, IEEE Transactions on Neural Networks nr 12 2001.
  2. Goldberg D.E. Richardson J., Genetic Algorithms with Sharing for Multimodal Function Optimization, Genetic algorithms and their applications: Proceedings of the SICoGA 1987, s. 41-49.
  3. Grafenstette, Optimisation of Control Parameters for Genetic Algorithms, IEEE Transactions on Systems, Man and Cybernetics, SMC-16(1), 1986.
  4. Gupta MM., Yamakawa T., Fuzzy Logic in Knowledge-Based Systems, Decision and Control, North-Holland / Elsevier Science Publishers B.V., Amsterdam 1988.
  5. Herrera F., Lozano M, Verdegay J.L., Generating Fuzzy Rules from Examples Using Genetic Algorithm, Proceedings Fifth International Conference of Information Processing and Management of Uncertainty in Knowledge-Based Systems, Paris 1994.
  6. Jin Y., Member, Seelen W., Sendhoff B., On Generating FC3 Fuzzy Rule Systems from Data Using Evolution Strategies, IEEE Transactions On Systems, Man, And Cybernetics-Part B: Cybernetics, vol. 29, nr 6, grudzień 1999.
  7. Kacprzyk J., Zbiory rozmyte w analizie systemowej, PWN, Warszawa 1986.
  8. Michalewicz Z., Algorytmy genetyczne + struktury danych - programy ewolucyjne, WNT, Warszawa 1998.
  9. Nauck D., Nauck U., Kruse R., Generating Classification Rules with Neuro-Fuzzy System NEFCLASS, NAFIPS'96, Berkeley 1996.
  10. Piegat A., Modelowanie i sterowanie rozmyte, Akademicka Oficyna Wydawnicza EXIT, Warszawa 1999.
  11. Schaffer J.D., A Study of Control Parameters Affecting On-line Performance of Genetic Algorithms for Function Optimization, 1989.
  12. Spanos M., Dounias G., Matsatsinis N., Zopounidis C., A Fuzzy Knowledge Based Decision Aiding Method for the Assessment of Financial Risks: The case of Corporate Bankruptcy Prediction, European Symposium on Intelligent Techniques, ESIT'99, Chania, Greece, June 1999, (Proc. on CD-Rom, published by the ERUDIT Service Center, Elite Foundation, Germany).
  13. Wang H.F., Tsaur R.C., Resolution of Fuzzy Regression Model, European Journal of Operational Research 2000, vol. 126, nr 1.
  14. Wasiak M., Rozmyty system wnioskujący, oceniający kondycję finansową przedsiębiorstw, [w:] Pozyskiwanie wiedzy z baz danych. Prace Naukowe Akademii Ekonomicznej nr 931, AE, Wrocław 2002.
  15. Wright A.H., Genetic Algorithms for Real Parameter Optimization, First workshop on the Foundations of Genetic Algorithms and Classifier Systems, Indiana University, Bloomington, 1990.
  16. Yager R.R., Filev O.P., Podstawy modelowania rozmytego, WNT, Warszawa 1995.
  17. Yin X. Germay N., A Fast Genetic Algorithm with Sharing Scheme Using Cluster Analysis Methods in Multimodal Function Optimization, Proceedings of International Conference on Artificial Neural Networsk and Genetic Algorithms, s. 450-457, Innsbruck 1993.
  18. Zadeh L.A., Fuzzy Sets, Information and Control 1965, nr 8.
  19. Zieliński J.S., Inteligentne systemy w zarządzaniu. Teoria i praktyka, PWN, Warszawa 2000.
Cytowane przez
Pokaż
ISSN
0324-8445
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu