§ 8.4. Алгоритмы обучения

Известно, что обучающиеся системы улучшают свое функционирование в процессе работы, модифицируя свою структуру или значения параметров [26]. Предложено большое число способов описания и построения обучающихся систем. Все они предполагают решение следующих задач: выбор измерений (свойств, рецепторов) [12]; поиск отображения пространства рецепторов в пространство признаков, которые осуществляют вырожденное отображение объектов [17]; поиск критерия отбора признаков.

Причем в разных задачах для получения хороших признаков могут понадобиться разные критерии отбора [4, 5]. При обучении необходимо отвлечься от различий внутри класса, сосредоточить внимание на отличии одного класса от другого и на сходстве внутри классов [4]. Необходим достаточный уровень начальной организации обучающейся системы. Для сложной структурной информации необходима многоуровневая обучающаяся система [14].

Следует выделить следующие группы нечетких алгоритмов обучения; обучающийся нечеткий автомат, обучение на основе условной нечеткой меры; адаптивный нечеткий логический регулятор; обучение при лингвистическом описании предпочтений.

Рекуррентные соотношения в алгоритмах первых двух групп позволяют получать функцию принадлежности исследуемого понятия на множестве заранее известных элементов. В третьей группе алгоритм обучения осуществляет модификацию нечетких логических правил для удержания управляемого процесса в допустимых границах. В четвертой группе нечеткий алгоритм обучения осуществляет поиск вырожденного отобран^ения пространства свойств в пространство полезных признаков и модификацию на их основе описания предпочтения.