Resumen

El Sistema de Inferencia Neuro-Fuzzy Adaptativo (ANFIS) combina las ventajas de las Redes Neuronales Artificiales (RNA) y la Lógica Fuzzy (FL) en un único marco. Proporciona una capacidad de aprendizaje acelerada y capacidades de interpretación adaptativa para modelar patrones complejos y aprehender relaciones no lineales. Los ANFIS se han aplicado y practicado en varios dominios y han proporcionado soluciones a problemas comúnmente recurrentes con una complejidad temporal y espacial mejorada. Los ANFIS estándar tienen ciertas limitaciones como el alto gasto computacional, la pérdida de interpretabilidad en entradas más grandes, la maldición de la dimensionalidad y la selección de funciones de membresía apropiadas. Este documento resume que el ANFIS estándar es inadecuado para tareas humanas complejas que requieren un manejo preciso de las máquinas y los sistemas. Se ha discutido el estado del arte y las cuestiones de investigación práctica, que se centran principalmente en la aplicabilidad de ANFIS en el campo diversificado de las ciencias de la ingeniería. Llegamos a la conclusión de que la arquitectura ANFIS estándar mejora enormemente cuando se amalgama con técnicas metaheurísticas y se modera aún más con algoritmos inspirados en la naturaleza mediante la calibración y el ajuste de los parámetros. Es importante para adaptar y automatizar tareas complejas de ingeniería que actualmente dependen del criterio humano, sobre todo en los campos de la mecánica, la electricidad y la geología.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:anfis estándar, manejo de la máquina, maldición de la dimensionalidad, arquitectura anfis estándar, tarea de ingeniería compleja, capacidad de aprendizaje acelerado, preguntas de investigación de la práctica, ajuste de los parámetros, función de membresía adecuada, altos gastos computacionales
• Keywords:standard anfis, handling of machine, curse of dimensionality, standard anfis architecture, complex engineering task, accelerated learning capacity, practice research questions, tuning of parameters, appropriate membership function, high computational expenses