Key points are not available for this paper at this time.
Ein Fuzzy-neuronales Netzwerkmodell basierend auf dem Multilayer-Perzeptron, das den Backpropagation-Algorithmus verwendet und in der Lage ist, unscharfe Klassifikationen von Mustern durchzuführen, wird beschrieben. Der Eingangsvektor besteht aus Mitgliedschaftswerten zu linguistischen Eigenschaften, während der Ausgangsvektor in Form von unscharfen Klassenmitgliedschaftswerten definiert ist. Dies ermöglicht ein effizientes Modellieren von unscharfen, unsicheren Mustern, wobei geeignete Gewichte den zurückpropagierten Fehlern zugewiesen werden, basierend auf den Mitgliedschaftswerten an den entsprechenden Ausgaben. Während des Trainings wird die Lernrate schrittweise in diskreten Schritten verringert, bis das Netzwerk zu einer minimalen Fehlerlösung konvergiert. Die Wirksamkeit des Algorithmus wird an einem Sprachrecognitionsproblem demonstriert. Die Ergebnisse werden mit denen des herkömmlichen MLP, des Bayes-Klassifikators und anderer verwandter Modelle verglichen.
Pal et al. (Mittw,) haben diese Frage untersucht.