Основы теории нечетких множеств


Обучение на основе условной нечеткой меры - часть 2


Для поиска глобального экстремума формируются критерии в виде некоторых функций:

— оценивает число точек, проанализированных на предыдущих шагах;

— оценивает среднее значение функции по результатам предыдущих шагов;

— оценивает число точек, значение функции в которых принадлежит десятке лучших в своей области;

— оценивает максимум по прошлым попыткам;

— оценивает градиент функции.

В описанном случае показывает степень важности подмножеств критериев и оценивает предположение о нахождении экстремума в блоке в соответствии с критерием . Например,

может зависеть от числа ранее проанализированных точек в блоке . Пусть входная информация определяется формулой

где — максимум анализируемой функции, найденный к рассматриваемому моменту в блоке . Очевидно, что сходится к максимизирующему множеству функции. На каждой итерации осуществляется следующее: проверяется заданное число новых точек; число этих точек выбирается пропорционально ; в~каждой точке вычисляется и нормализуется мера ); нормализуется ; по и вычисляется , а затем ; посредством правил подкрепления корректируется . Затем выполняется новая итерация, и так до тех пор, пока не сойдется .




Начало  Назад  Вперед



Книжный магазин