Искусство в IT-технологиях...

Нестерук Татьяна Никифоровна. Разработка модели адаптивного корпоративного сайта и инструментария для повышения эффективности маркетинговых решений, 2006

2.4.1. Специфика адаптации классификаторов с нечеткими связями

Специфика адаптации классификаторов корпоративного сайта обусловлена представлением межнейронных связей информационных полей нейро-нечетких сетей в виде совокупности нечетких связей [59,60).
Если при описании нейро-нечеткой сети используются типовые виды семантики (например, 5 и L), и степень детализации (число элементов нечеткого множества) изменяется как степень числа 2 (рис.
2.8.6).
Нечеткая связь - совокупность взвешенных межисйроиных связей между выходом формального нейрона предыдущего слоя нейро-нечеткой сети и одноименными входами всех ФН текущего слоя нейро-нечеткой сети (рис. 2.8.а, 2.9).
Процедура адаптации информационного поля нейро-нечеткой сети сводится к перестановке взвешенных связей внутри соответствующих нечетких связей, а не к коррекции значений соответствующей матрицы весов. Таким образом процесс обучения нейро-нечеткой сети сопровождается перераспределением локальных межнейронных связей в пределах нечетких связей.
При использовании метода обратного распространения ошибки в зависимости от значений координат вектора ошибки текущего слоя иейро-иечеткой сети при конкретной форме семантики и заданном количестве межнейронных связен соответствующего слоя сети производится внутрислойная коммутация локальных взвешенных связей, как в текущем, так и предыдущих слоях НС.
предыдущий следующий
= К содержанию =


2.4.1. Специфика адаптации классификаторов с нечеткими связями - релевантная информация:

  1. 2.3.2. Нейро-нечеткая классификация
    адаптации информационного поля НС. В процессе обучения достоверность связей информационного поля сходится к конкретным значениям, анализ которых позволяет корректировать исходную систему нечетких правил. В частности, вес связи, соответствующей правилу Ri (см. рис. 2.5), равен 0, что позволяет исключить правило Л2 из системы нечетких правил как противоречивое. Рассмотрим организацию
  2. 2.2. Методика оптимизации адаптивного корпоративного сайта
    спецификации требований на проектирование корпоративного сайта, выбирается структура сайта в виде иерархии страниц и механизмов интернет-маркетинга [59, 60], а априорный опыт экспертов предметной области представляется массивами экспертных оценок и системами нечетких правил логического вывода. Системы нечетких правил логического вывода описывают процесс классификации 1) интересов по признакам
  3. 2.3.3. Информационные поля НС как средство накопления знаний
    адаптации произойдет коррекция информационных полей нейро-нечетких классификаторов под отс)тствующий MP, направленный на удовлетворение нового интереса посетителей сайта. Анализ информационных полей нейро-нечетких классификаторов после завершения процесса обучения позволяет сформулировать требования на разработку механизма интернет-маркетинга, отсутствующего в иерархии страниц
  4. 24. Процессы адаптации нейро-нечетких классификаторов сайта
    адаптационные процессы в нечеткой НС. Ниже рассмотрены алгоритмы адаптации нейронных и нейро-нечетких сетей в составе корпоративного сайта, которая использует нечеткие межнейронные
  5. 2.4.3. Генетический алгоритм адаптации нейро-нечетких сетей в составе корпоративного сайта
    адаптации нейро-нечеткого классификатора включает ряд шагов: 1. Определяют размер популяции хромосом, вероятности выполнения эволюционных операторов кроссовера и мутации, а также число эволюционных циклов (или точность обучения нейро-нечеткого классификатора). 3. 2. Для принятия решения о целесообразности включения дочерних хромосом в популяцию в качестве целевой функции выбирают минимум
  6. Алгоритм обратного распространения ошибки
    классификатора. Если в качестве фрагмента гена выбрать локальную связь в рамках нечеткой связи, то можно изменить рассмотренный алгоритм обучения НС с нечеткими связями, сделав акцепт на эволюционном характере коммутации локальных связей в пределах нечетких связей. Преследуется прежняя целевая функция - минимизация ошибки Р}ш выходного вектора нейро-нечеткого классификатора. Основной эволюционный
  7. 2.4.4. Аналитические исследования алгоритмов адаптации НС с нечеткими связями
    нечетких связей, а именно: генетический алгоритм и алгоритм минимизации расхождений в координатах расчетного и целевого выходных векторов. Первый использует эволюционную методику подбора последовательности размещения взвешенных локальных связей в пределах соответствующих нечетких связей в процессе обучения. Второй характеризуется направленностью действий для достижения целевой функции -
  8. 2.4.5. Моделирование процессов адаптации нейро-нечетких классификаторов
    адаптации информационного поля нейро-нечетких классификаторов использованы разработанные инструментальные средства моделирования процесса обучения нейро-нечетких сетей. Инструментальные средства моделирования процесса обучения нейро-нечетких сетей адаптивного корпоративного сайта позволяют: знания экспертов отразить в структуре нейро-нечеткой сети (рис. 2.12), обучить нейро-нечеткую сеть на
  9. Выводы по главе 2
    адаптации информационной структуры корпоративного сайта под динамику интересов посетителей сайта путем оптимизации размещения механизмов интернет-маркетинга и информационных материалов на страницах сайта. 1. Предложена модель адаптивного корпоративного сайта, представляемого в виде иерархии страниц, содержащих набор механизмов интернет-маркетинга и информационных материалов, принятие решений о
  10. Выводы по главе 3
    адаптации информационных полей нейро-нечетких классификаторов) значений экспертных оценок, расчетных показателей (прежде всего, рейтинга сайта) принимается решение о модернизации информационной структуры корпоративного сайта, если подобная модернизация экономически