Kombinált fuzzy,neurális,genetikus módszerek

2. hét: Lingvisztikai változók és HA-AKKOR szabályok. Fuzzy logika és közelítő következtetés. Néhány inferencia rendszer.

3. hét: Neurális hálózatok alapjai: neurális hálózat modellek. Felügyelt és nem felügyelt tanulás. Többréteges perceptron. Radiális bázisfüggvényes hálózatok, versengő tanulás. Kohonen önszervező térképe, tanuló vektorkvantálás.

4. hét: Hebb tanulási szabály, megerősítő tanulás. Genetikus algoritmusok: rövid áttekintés, egyszerű genetikus algoritmus. A kombinációs változatok áttekintése.

5. hét: Neuralizált fuzzy rendszerek áttekintése. Hibrid (integrált) neuralizált fuzzy rendszerek.I. Fuzzy rendszer tervezése neurális hálózattal bemeneti/kimeneti adatokból. Backpropagation változat. További változatok. Összehasonlítás a neurális hálózattal. II. Neurális hálózattal létrehozott fuzzy következtetés (NDR), a rendszer leírása, a módszer lépései.

6. hét: III. Neurális-fuzzy szabályozó (NEFCON), a hálózat felépítése, tanulási lépések, architektúra, működés. Fuzzy hiba-propagálás, a szabálybázis tanulása. A NEFCON értékelése.

7. hét: IV. Neurális hálózat alapú fuzzy logikai szabályozó (FALCON) változatai. Az egyes rétegek funkciói, tanulási szabályok, kezdeti struktúra, tagsági függvények tanulása, szabálybázis konstruálása. V. Általános közelítő következtetés alapú intelligens szabályozás (GARIC), egyszerű szabályozási kör, tanulási lépések.

8. hét: VI. Fuzzy-Net (FUN) modell: tanulási lépések, tagsági függvények tanulása. VII. Adaptív hálózatok áttekintése, az ANFIS. Kooperatív neuro-fuzzy módszerek. Tagsági függvények optimális meghatározása. Szabálybázis tervezése tanuló vektorkvantálással. Szabály alakítás közvetlen összeméréssel.

9. hét: Fuzzyfikált neurális hálózatok. Áttekintés a biológiai neuronra alapozva, neurális morfológia, hálózati architektúrák. Tanulási sémák. Fuzzyfikált hálózatok: az éles neurontól a fuzzy neuronig. Általánosított fuzzy neuron és hálózat. Aggregációs és aktivizációs függvények. ÉS és VAGY fuzzy neuronok. Többréteges hálózatok. Tanulás és adaptáció.

10. hét: Fuzzy aritmetikás változat, fuzzy paraméterek. Hálózat, tanuló algoritmus. Fuzzy bemenet, hálózati architektúra, az algoritmus. Szimulációs eredmények. Fuzzy hiba-függvény.

11. hét: Fuzzy, neurális, genetikus kombinációk. Fuzzy-neurális rendszer genetikus optimalizálása, technológiák és szabályozási alapok. Hibrid processzálás, esettanulmány, irányzatok. Neuralizált fuzzy hálózat genetikus tervezése, aszinkron genetikus algoritmus. FNC modul kölcsönhatása a GA optimalizálóval. Alkalmazási példa. Fuzzy szabályok önhangoló módszerei, javítás genetikus algoritmussal. Alkalmazási példa.

12. hét: Fuzzy genetikus kombinációk. Genetikus algoritmusok fuzzy rendszerek javítására. Fuzzy logika és genetikus algoritmus adaptív folyamat szabályozásra, technológia és problématerület. Összevetés rokon hibrid rendszerekkel, adaptív GA-FLC. Genetikus módszer fuzzy szabályok tanulására, fuzzy rendszer genetikus kódolása, GA tanuló minta.

13. hét: Genetikus algoritmusok javítása fuzzy logikával. Fuzzyfikált kromoszómák, genetikus műveletek fuzzy javítása. Genetikus neurális kombinációk. Segítő kombinációk, kollaboráns kombinációk. Neurális hálózat súlyainak optimalizálása. A keresztezés és mutáció adaptív valószínűsége. Redundancia eliminálása. Hibrid módszer.

14. hét: Kaotikus kombinációk, kaotikus neuron, kaotikus neurális hálózat, kaotikus önszervező térkép. Fuzzy káosz, kaotikus idősor előrejelzése. Klasszikus intelligens kombinációk. Fuzzy-PID kombinációk, párhuzamos rendszerek. Klasszikus felügyelős rendszer, fuzzy "felügyelős" rendszer. Fuzzy csúszómód szabályozás, analízis, tervezés.