| FLPD FLPD is een automatisch leersysteem op basis van fuzzy prototypes. |
Download nu |
FLPD Rangschikking & Samenvatting
- Naam uitgever:
- Manuel Espina lvarez
FLPD Tags
FLPD Beschrijving
FLPD is een automatisch leersysteem op basis van fuzzy-prototypes. FLPD is een automatisch leersysteem op basis van fuzzy prototypes.USING FLPD, het is gemakkelijk om gecontroleerde en niet-gecontroleerde leerprocessen te berekenen. Tegelijkertijd kunnen meer geëxperimenteerde gebruikers een hoog aantal parameters van het berekeningsproces configureren, en ze kunnen ook hun eigen gepersonaliseerde leerprocedures ontwerpen. De inductiekorsnel van het systeem is gebaseerd op het HPI-algoritme (hiërarchische prototype-inductie). Een geavanceerde gebruiker kan echter zijn eigen induction-algoritme ontwerpen en gebruiken op basis van fuzzy prototypes. Het systeem is gestructureerd in lagen die verschillende hulpprogramma's die op verschillende abstractieniveaus werken, waardoor flexibiliteit, macht en eenvoud kunnen worden gecombineerd. Het systeem is gevestigd in een C ++ -bibliotheek voor Fuzzy Logic en Machine Learning, waarmee fuzzy-informatie mogelijk maakt en manipuleert en machine-leertechnieken toepassen. Hier zijn enkele belangrijke kenmerken van "FLPD": · Fuzzy-sets · Het systeem bevat de benodigde klassen voor het representeren en manipuleren van discrete fuzzy-sets en, op zekere hoogte, continue fuzzy sets. Specifieke klassen voor het omgaan met fuzzy-sets Transformeerbaar in LPD (minst benoemde distributie) Waarschijnlijkheidsverdelingen zijn ook opgenomen, met de juiste mechanica voor het afhandelen van de benodigde transformaties automatisch. · Naast de gemeenschappelijke bewerkingen op fuzzy-sets, implementeert de bibliotheek die operaties die zijn afgeleid van de massale toewijzing, Theorie: als de fusie van fuzzy sets en de voorwaardelijke waarschijnlijkheid. · Fuzzy-prototypes · Een basisimplementatie van prototypen wordt verstrekt, als containers van fuzzy-attributen. De operaties op fuzzy prototypen die zijn afgeleid van de massale toewijzingstheorie, worden geïmplementeerd: fusie, ondersteuning en gemiddelde genormaliseerde ondersteuning. · Linguïstische beschrijving · Sommige hulpmiddelen voor gegevensfuzzificatie zijn opgenomen in de bibliotheek. Voor discretisering van continue gegevens worden verschillende linguïstische bedekkingsalgoritmen geïmplementeerd. · Prototype-inductie-algoritmen · De bibliotheek omvat een implementatie van het hiërarchische prototype-inductiealgoritme (HPI) en ook HPIW (HPI met weging), die, op basis van HPI, zorgt voor de relevantie van elk kenmerk bij het zoeken naar prototypen voor fusie, en Genereert een pondering-functie die de resultaten van RAW HPI verbetert. · Gegevensinvoer / -uitvoer · Een basisimplementatie van gegevens I / O is verstrekt, waardoor lees- en schrijfgegevens in verschillende indelingen (tekst, CSV en XML ) op een eenvoudige manier toestaan. · Experimentatieframework · Naast de bibliotheek, bevat het systeem een aantal front-ends voor de opdrachtregel en een eenvoudige grafische interface schrijven in PHP die, op basis van de bibliotheek, een aantal gebruikte automatische leertaken implementeren: · Onder toezicht van het leren · Een trainingsgegevens is geconverteerd in een fuzzy prototype set, na een inductieproces. De geïnduceerde prototypen worden vervolgens gebruikt om de klasse van de elementen van een testdata te bepalen. · Als de kruisvalidatie gewenst is, wordt een invoerdataSet in verschillende vouwen gespeld. Een gecontroleerd leerproces wordt vervolgens op elke vouw aangebracht. · Ongewijzigd leren · uit een ingangsdataSet wordt een reeks geïnduceerde prototypen geëxtraheerd. Elk prototype vertegenwoordigt een gedifferentieerde klasse van data-elementen die in de invoergegevens worden gedetecteerd. · Deze lerende front-ends worden geïmplementeerd over een groep back-ends, op lager abstractieniveau. Elke back-end berekent slechts één stap in de verschillende sequentiële taken die nodig zijn voor een leerproces dat moet worden ingevuld: · Gegevensconversie van / naar het eigen XML-formaat. · XML-gegevensmanipulatie · Gegevensfuzzificatie. · Gegevensindiging. · Gegevensindeling. Evaluatie van classificaties. · Grafische weergave. · Met behulp van deze back-ends kan een gepersonaliseerd leerproces worden ontworpen, volledig nieuw of gedeeltelijk gebaseerd op de berekeningsinfrastructuur die al door het systeem wordt verstrekt.
FLPD Gerelateerde software