A domain attraction criterion for interval fuzzy neural networks

نویسندگان
چکیده

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

Selection Criterion for Interval

The most widely used guaranteed methods for global optimization are interval-based branch-and-bound techniques. In these techniques , we start with a single box { the entire function domain { as a possible location of the global minimum, and then, of each step, subdivide some of the boxes, use interval computations to compute the enclosure F (X); F(X)] f(X) for the range f(X) of the optimized f...

متن کامل

Fuzzy Kohonen clustering networks for interval data

The Fuzzy Kohonen Clustering Network combines the idea of fuzzy membership values for learning rates. It is a kind of self-organizing fuzzy neural network that can show great superiority in processing the ambiguity and the uncertainty of data sets or images. Symbolic data analysis provides suitable tools for managing aggregated data described by intervals. This paper introduces Fuzzy Kohonen Cl...

متن کامل

A constructive algorithm for fuzzy neural networks

We propose a constructive method, inspired by Simpson’s Min-Max technique, for obtaining fuzzy neural networks. It adopts a cost function depending on a unique net parameter. This feature allows us to apply a simple unimodal search for determining this parameter and hence the architecture of the optimal net. The algorithm shows a good behavior with respect to other methods when applied to real ...

متن کامل

a cauchy-schwarz type inequality for fuzzy integrals

نامساوی کوشی-شوارتز در حالت کلاسیک در فضای اندازه فازی برقرار نمی باشد اما با اعمال شرط هایی در مسئله مانند یکنوا بودن توابع و قرار گرفتن در بازه صفر ویک می توان دو نوع نامساوی کوشی-شوارتز را در فضای اندازه فازی اثبات نمود.

15 صفحه اول

Domains of attraction in neural networks

2014 The domain of attraction of a neural network memory fixed point is computed as a function of its local magnetic fields. When combined with standard learning algorithms, the result makes it possible to construct saturated associative networks memories with precisely specified recall properties. J. Phys. France 49 (1988) 1657-1662 OCTOBRE 1988, Classification Physics Abstracts ’ 75.10H 87.30...

متن کامل

ذخیره در منابع من


  با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ژورنال

عنوان ژورنال: Computers & Mathematics with Applications

سال: 2009

ISSN: 0898-1221

DOI: 10.1016/j.camwa.2009.03.112