Thông tin chung

  English

  Đề tài NC khoa học
  Bài báo, báo cáo khoa học
  Hướng dẫn Sau đại học
  Sách và giáo trình
  Các học phần và môn giảng dạy
  Giải thưởng khoa học, Phát minh, sáng chế
  Khen thưởng
  Thông tin khác

  Tài liệu tham khảo

  Hiệu chỉnh

 
Số người truy cập: 50,146,232

 Improving the Interpretability of Support Vector Machines-based Fuzzy Rules
Tác giả hoặc Nhóm tác giả: Duc-Hien Nguyen, Manh-Thanh Le
Nơi đăng: Advances in Smart Systems Research, Future Technology Publications, PO Box 2115, Shoreham-by-sea, BN43 5WR, United Kingdom; Số: Vol. 3 No. 1;Từ->đến trang: 7 - 14;Năm: 2013
Lĩnh vực: Công nghệ thông tin; Loại: Bài báo khoa học; Thể loại: Quốc tế
TÓM TẮT

walgreens pharmacy coupon walgreen online coupons promo codes walgreens
ABSTRACT
Support vector machines (SVMs) and fuzzy rule systems are functionally equivalent under some conditions. Therefore, the learning algorithms developed in the field of support vector machines can be used to adapt the parameters of fuzzy systems. Extracting fuzzy models from support vector machines has the inherent advantage that the model does not need to determine the number of rules in advance. However, after the support vector machine learning, the complexity is usually high, and interpretability is also impaired. This paper not only proposes a complete framework for extracting interpretable SVM-based fuzzy modeling, but also provides optimization issues of the models. Simulations examples are given to embody the idea of this paper.
Keywords. Fuzzy models, Fuzzy inference system, Support vector machines, Interpretability
© Đại học Đà Nẵng
 
 
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn