Дан анализ нечетких нейронных сетей с генетической оптимизацией параметров, так как
они обладают комплексной структурой и сложными алгоритмами обучения, интегрирующими
структурные части различных нейронных сетей. Установлено обозначать гибридными системами,
включающими в себя слои радиально базисных нейронов, логических нейронов, традиционных
пороговых суммирующих нейронов. Обосновано, что алгоритм их обучения обычно комбинирует
соревновательное обучение (по алгоритму победителя), генетическую оптимизацию параметров и
классический метод обратного распространения ошибки.

 

Мазкур мақолада таҳлил объекти бўлиб параметрларнинг генетик оптимизацияси билан
норавшан нейрон тўрлар ҳисобланади, чунки улар турли нейрон тўрларнинг тузилмавий
қисмларини бирлаштирувчи мураккаб ўқитиш алгоритмлари ва комплекс тузилмага эга. Бундай
тўрларни гибрид тизимлар деб атаймиз, улар ўз ичига радикал базис нейронлар, мантиқий
нейронлар, анъанавий чегаравий қўшилувчи нейронларни олади. Уларнинг ўқитиш алгоритми
одатда беллашув ўқитиш (ғолиб алгоритми бўйича)ни, параметрларнинг генетик оптимизациясини
ва хатоликни тескари тарқалишнинг классик усулларини бирлаштиради.
 

The object of analysis is represented by the fuzzy neural network with genetic optimization
settings, as they have a complex structure and complex algorithms of learning, integrating structural parts
of different neural networks. Such networks will continue to be called hybrid systems, which include
layers of radial basis neurons, neuronal logic, the traditional threshold summing neurons. Their learning
algorithm typically combines in-competition training (by the winner of the algorithm), the genetic
optimization of parameters and the classical method of back propagation.