Адаптивное обучение нечетких когнитивных карт | Sciact - Система учета научной деятельности ИМ СО РАН

Адаптивное обучение нечетких когнитивных карт Научная публикация

Журнал

Математические структуры и моделирование
ISSN: 2222-8772 , E-ISSN: 2222-8799

Вых. Данные

Год: 2024, Том: 4, Номер: 72, Страницы: 91-96 Страниц : 6 DOI: 10.24147/2222-8772.2024.4.91-96

Ключевые слова

нечеткие когнитивные карты, правило Хебба, оптимизации роя частиц.

Авторы

Чуканов С.Н. ¹ , Чуканов И.С. ² , Лейхтер С.В. ³ , Калекина А.В. ⁴ , Чернуха И.Е. ⁵

Организации

1	Институт математики им. С.Л. Соболева СО РАН, Омский филиал, Омск, Россия
2	Уральский федеральный университет имени первого Президента России Б.Н. Ельцина, Екатеринбург, Россия
3	ФГБОУ ВО Омский государственный университет им. Ф.M. Достоевского
4	Омский институт водного транспорта – филиал ФГБОУ ВО «Сибирский государственный университет водного транспорта»
5	ФГАОУ ВО Омский государственный технический университет

Информация о финансировании (1)

Омский филиал ФГБУН «Институт математики им. С.Л. Соболева СО РАН».

FWNF-2022-0016

Метод нечетких когнитивных карт (FCM) разработан Б. Коско [1] для расширения когнитивных карт, которые широко используются для представления знаний в социальных науках. Предложено несколько алгоритмов для обучения FCM. Основная задача процедуры обучения — найти настройку весов FCM, которая приведет FCM к требуем ому устойчивому состоянию. Это достигается посредством минимизации правильно определенной целевой функции. Установленные алгоритмы в значительной степени зависят от начального приближения матрицы весов, которое предоставляется экспертами. Одним из методов обучения FCM основан на оптимизации роя частиц (PSO). PSO используется для определения соответствующих весовых матриц для системы путем vинимизации заданной целевой функции.

Чуканов С.Н. , Чуканов И.С. , Лейхтер С.В. , Калекина А.В. , Чернуха И.Е.
Адаптивное обучение нечетких когнитивных карт
Математические структуры и моделирование. 2024. Т.4. №72. С.91-96. DOI: 10.24147/2222-8772.2024.4.91-96 РИНЦ OpenAlex

Поступила в редакцию:	31 окт. 2024 г.
Опубликована в печати:	25 дек. 2024 г.
Опубликована online:	25 дек. 2024 г.

РИНЦ:	75142708
OpenAlex:	W4409521281

Пока нет цитирований