Resumen

Los sistemas de inferencia neurodifusa adaptativa (ANFIS) representan una técnica eficiente para la solución de problemas de aproximación de funciones. Cuando se dispone de muestras numéricas al respecto, la síntesis de redes ANFIS puede llevarse a cabo explotando algoritmos de agrupamiento. Partiendo de una síntesis de agrupamiento de hiperplanos en el espacio conjunto de entrada-salida, en este artículo se propone una optimización computacionalmente eficiente de las redes ANFIS. Se basa en un procedimiento constructivo jerárquico, mediante el cual el número de reglas se incrementa progresivamente y la óptima se determina automáticamente en función de la teoría del aprendizaje para maximizar la capacidad de generalización de la red ANFIS resultante. Simulaciones computacionales extensas demuestran la validez del algoritmo propuesto y muestran una comparación favorable con otras técnicas bien establecidas.

• Materias:Axiomas de separación Modelos borrosos
• Subjects:Separation axioms Fuzzy models
• Palabras claves:Adaptativo; Neurodifuso; Inferencia; Sistemas; Aproximación de funciones; Agrupamiento.
• Keywords:Adaptive; Neurofuzzy; Inference; Systems; Function approximation; Clustering.