SEQUENTIAL FUZZY CLUSTERING BASED ON NEURO-FUZZY APPROACH

У статті запропоновано on-line нейро-фаззі систему для вирішення задач послідовного нечіткого кластерування даних, що дозволяє опрацьовувати вектори спостережень за умов обмеженого числа даних в оброблюваній вибірці, а також алгоритм її самоначання на основі самоорганізовної мапи Т. Когонена. Архітектура системи містить сім шарів обробки інформації і є за своєю суттю гібридом системи Ванга-Менделя та нечіткої кластерувальної самоорганізовної мережі. Запропонована система в процесі самонавчання налаштовує не лише свої параметри, але й архітектуру в on-line режимі. Для налаштування параметрів функцій належності гібридної нейро-фаззі системи введено алгоритм, що ґрунтується на використанні конкуренткого навчання. У процесі навчання гібридна нейро-фаззі система налаштовує синаптичні ваги, центри і параметри ширини функцій належності. Розроблено програмне забезпечення, що реалізує запропоновану архітектуру гібридної нейро-фаззі системи. Проведено низку експериментів з дослідження властивостей запропонованої системи. Результати експериментів підтвердили те, що запропоновану систему можна використовувати для розв’язання задачі кластерування, при цьому обробляння даних відбувається в on-line режимі. Система характеризується простотою чисельної реалізації. Характерною особливістю запропонованої системи є те, що вона об’єднує в собі як навчання з вчителем, так і самонавчання.