Flpd. FLPD è un sistema di apprendimento automatico basato su prototipi sfocati.
Scarica ora

Flpd. Classifica e riepilogo

Flpd. Tag

Fuzzy. algoritmo sistema di apprendimento Prototipo sfocato. Algoritmo HPI HPI

Flpd. Descrizione

FLPD è un sistema di apprendimento automatico basato su prototipi sfocati. FLPD è un sistema di apprendimento automatico basato su prototipi fuzzy.Uxing FLPD, è facile calcolare i processi di apprendimento supervisionato e non supervisionato. Allo stesso tempo, gli utenti più esperimenti possono configurare un numero elevato di parametri del processo di calcolo e possono anche progettare le proprie procedure di apprendimento personalizzate. Il kernel di induzione del sistema si basa sull'algoritmo HPI (induzione gerarchica del prototipo). Tuttavia, un utente avanzato può progettare e utilizzare il proprio algoritmo di induzione basato su prototipi fuzzy. Il sistema è strutturato in livelli che contiene diverse utilità che funzionano a diversi livelli di astrazione, consentendo di combinare flessibilità, potenza e semplicità. Tutto il sistema è basato su A Biblioteca C ++ per la logica fuzzy e l'apprendimento automatico della macchina, che consente di rappresentare e manipolare le informazioni fuzzy e applicare tecniche di apprendimento della macchina. Ciò sono alcune caratteristiche chiave di "flpd": · Set fuzzy · Il sistema include le classi necessarie per rappresentare e manipolare i set fuzzy discreti E, in una certa misura, set fuzzy continuo. Classi specifiche per la gestione dei set di Fuzzy Trasformabili in LPD (distribuzione meno pregiudicata) Le distribuzioni di probabilità sono anche incluse, con la meccanica appropriata per gestire automaticamente le trasformazioni necessarie. · Oltre alle operazioni comuni sui set fuzzy, la biblioteca implementa tali operazioni derivanti dall'assegnazione di massa Teoria: come fusione di set fuzzy e la probabilità condizionale. · Prototipi fuzzy · È fornita un'implementazione di base dei prototipi, come contenitori di attributi fuzzy. Le operazioni su prototipi fuzzy derivate dalla teoria dell'assegnazione di massa sono implementate: fusione, supporto e supporto medio normalizzato. · Descrizione linguistica · Alcuni strumenti per il figurano dei dati sono inclusi nella biblioteca. Per la discretizzazione dei dati continui, vengono implementati diversi algoritmi di copertura linguistica. · Algoritmi di induzione prototipo · La biblioteca include un'attuazione dell'algoritmo di induzione del prototipo gerarchico (HPI) e anche HPIW (HPI con ponderazione), che, basato su HPI, si occupa della rilevanza di ciascun attributo durante la ricerca di prototipi per la fusione e Genera una funzione di riflessione che migliora i risultati dell'HPI RAW. · Ingresso / uscita dati · È fornita un'implementazione di base dell'I / O di base, consentendo i dati di lettura e scrittura in diversi formati (testo, CSV e XML ) in modo semplice. · Struttura di sperimentazione · Oltre alla libreria, il sistema include alcuni front-end per la riga di comando e una semplice interfaccia grafica scritta in PHP che, in base alla libreria, implementa alcune attività di apprendimento automatico abituali: · Apprendimento supervisionato · Un set di dati di formazione viene convertito in un set di prototipi sfocato, dopo un processo di induzione. I prototipi indotti vengono quindi utilizzati per determinare la classe degli elementi di un set di dati del test. · Se si desidera convalidare la convalida, un set di dati di ingresso viene suddiviso in più pieghe. Un processo di apprendimento supervisionato viene quindi applicato a ciascuna piega. · Apprendimento senza supervisione · Da un set di dati di input viene estratta una serie di prototipi indotti. Ogni prototipo rappresenta una classe differenziata di elementi di dati rilevati nei dati di input. · Questo front-end di apprendimento sono implementati su un gruppo di back-end, a livello inferiore di astrazione. Ogni back-end calcola solo un passaggio nelle varie attività sequenziali necessarie per un processo di apprendimento da completare: · Conversione dei dati da / per il proprio formato XML. · Manipolazione dei dati XML · Fuzzificazione dei dati. · Prototipo di induzione. · Classificazione dei dati. Valutazione delle classificazioni. · Rappresentazione grafica. · Utilizzando questo back-end direttamente, un processo di apprendimento personalizzato può essere progettato, completamente nuovo o parzialmente basato sull'infrastruttura di calcolo già fornita dal sistema.

Flpd. Software correlato