...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Fuzzy sets and systems >Identification algorithms for fuzzy relational matrices Part 1: Non-optimizing algorithms
【24h】

Identification algorithms for fuzzy relational matrices Part 1: Non-optimizing algorithms

机译：模糊关系矩阵的识别算法第1部分：非优化算法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper is the first of a two part series that reviews and critiques several identification algorithms for fuzzy relational matrices. Part 1 reviews and evaluates algorithms that do not optimize or minimize a specified performance criteria [3,9,20,24]. It compliments and extends a recent comparative identification analysis by Postlethwaite [17]. part 2[1] evaluates algorithms that optimize or minimize a specified performance criteria [6,8,23,26]. The retinal matrix, learned by each algorithm from the Box-Jenkins gas furnace data [2], is compared for effectiveness of the prediction based on a minimum distance from actual. A new, non-optimized identification algorithm with an on-line formulation that guarantees the completeness of the relational matrix, if sufficient learning has taken place, is also presented. Results show that the proposed new algorithm ranks as the best among the non-optimized algorithms with prediction results very close to the optimization methods of Part.
机译：本文是由两部分组成的系列文章的第一篇，该系列文章回顾和批判了模糊关系矩阵的几种识别算法。第1部分回顾并评估了不会优化或最小化指定性能标准的算法[3,9,20,24]。它补充并扩展了Postlethwaite [17]最近进行的比较识别分析。第2部分[1]对优化或最小化指定性能标准[6,8,23,26]的算法进行了评估。每种算法从Box-Jenkins煤气炉数据[2]中获知的视网膜矩阵将根据距实际距离的最小距离进行比较，以进行预测。还提出了一种新的，非优化的识别算法，该算法具有在线公式，如果进行了足够的学习，则可以保证关系矩阵的完整性。结果表明，新算法在非优化算法中名列前茅，其预测结果与Part的优化方法非常接近。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号