Self-Learning Cascade Spiking Neural Network for Fuzzy Clustering Based on Group Method of Data Handling

Розглянуто задачу нечіткого кластерування даних за умов наявності класів, що перетинаються. Для розв’язання задачі введено архітектуру та алгоритм навчання нечіткої спайк-нейронної мережі, що узагальнює нейронні мережі третього покоління, які нині інтенсивно розвиваються і мають низку переваг над традиційними системами обчислювального інтелекту. Спайк-нейрон описано як нелінійну динамічну систему, що спрощує його апаратну реалізацію. Для задач з високою вимірністю вхідних векторів-образів запропоновано використовувати гібридну архітектуру, яка ґрунтується на поєднанні каскадної та МГУА-нейронних мереж із самонавчальними спайк-нейронними мережами як вузлами та забезпечує підвищену швидкість оброблення інформації.