Використання нечіткої нейронної мережі ТСК для діагностування хворих на COVID-19
DOI:
https://doi.org/10.18372/1990-5548.71.16825Ключові слова:
нечітка система TCК, ансамбль нечітких нейронних мереж, пакетна нормалізаціяАнотація
В статті розглядається нечітка нейронна мережа ТСК та сучасні її варіації. Використання регуляризації, випадкового виключення правил з бази правил дозволяє вирішити проблему завеликої схожості правил в базі правил. Використання пакетної нормалізації для збільшення узагальнюючих властивостей мережі дозволяє підвищити точність моделі, зберігаючи при цьому можливість інтерпретації результатів, яка властива нечітким нейронним мережам. Запропоновано використання ансамблю нечітких нейронних мереж для підвищення узагальнюючих можливостей мережі. Дослідження з великими наборами даних як для задачі діагностики хвороби серця так і для задачі діагностики коронавірусної хвороби показують, що запропонована модель добре працює і дозволяє покращити результат.
Посилання
I. O. Kravets, and A. Yu. Timoshyn, "Exploring fuzzy neural networks for forecasting rapidly changing non-stationary time series," Scientific works [of the Petro Mohyla Black Sea State University]. Ser.: Computer technologies 191, vol. 179, 2012, pp. 72–79. [in Ukrainian]
Natalia Shovgun, "Fuzzy Neural Networks for Evaluating the Creditworthiness of the Borrowers," Information Theories & Applications, vol. 21, pp. 54–59, 2014.
O. Komandyrov, P. Kulikov, V. Ploskyi, and B. Yeremenko, "Application of the Takaga–Sugeno–Kanga Artificial Neuro-fussy Network to Assessment of the Technical Condition of Building Objects," Management of the development of complex systems, vol. 42, pp. 107–112, 2020. [in Ukrainian]
M. Nilashi, O. bin Ibrahim, N. Ithnin, and N. H. Sarmin, "A multi-criteria collaborative filtering recommender system for the tourism domain using Expectation Maximization (EM) and PCA–ANFIS," Electronic Commerce Research and Applications, vol. 14(6), pp. 542–562, 2015.
N. V. Shovgun, "Increasing the effectiveness of fuzzy neural networks in the task of assessing the borrower's creditworthiness," Bulletin of NTUU "KPI". Informatics, management and computer technology, vol. 58, pp. 89–94, 2013. [in Ukrainian]
Y. Cui, D. Wu, & J. Huang, "Optimize TSK fuzzy systems for classification problems: Minibatch gradient descent with uniform regularization and batch normalization," IEEE Transactions on Fuzzy Systems, vol. 28(12), 2020, pp. 3065–3075.
D. Wu, Y. Yuan, J. Huang, & Y. Tan, "Optimize TSK fuzzy systems for regression problems: Minibatch gradient descent with regularization, DropRule, and AdaBound (MBGD-RDA)," IEEE Transactions on Fuzzy Systems, vol. 28(5), 2019, pp. 1003–1015.
V. Sineglazov, & J. Smirnova, "Intelligence Diagnostics of Heart Disease Based on Neural Networks Ensemble Use," Electronics and Control Systems, vol. 3(69), 2021, pp. 9–15.
S. Zhang, M. Liu, & J. Yan, "The diversified ensemble neural network," Advances in Neural Information Processing Systems, vol. 33, 2020, pp. 16001–16011.
https://www.kaggle.com/code/midouazerty/symptoms-covid-19-using-7-machine-learning-98/data (accessed 15.07.22)
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Authors who publish with this journal agree to the following terms:
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
