Este artículo describe una mejora del clasificador de razonamiento de retícula difusa (FLR) para la clasificación de patrones basada en una función de valoración positiva. El razonamiento de retícula difusa (FLR) fue descrito recientemente como una extensión del dominio de datos de retícula del clasificador neural fuzzy ARTMAP basado en una función de medida de inclusión de retícula. En este trabajo, mejoramos el rendimiento del clasificador FLR al definir una nueva función de valoración positiva no lineal. Como consecuencia, el algoritmo modificado logra mejores resultados de clasificación. La efectividad del FLR modificado se demuestra mediante ejemplos en varios benchmarks de reconocimiento de patrones bien conocidos.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Detección Adversarial de Muestras con Redes Adversariales Generativas Condicionales de Mezcla Gaussiana
Artículo:
Un Método de Operador de Suma para la Existencia y Unicidad de Soluciones Positivas a un Sistema de Ecuaciones Integrales No Lineales Fraccionarias
Artículo:
Un Nuevo Método de Diagnóstico de Fallas en Arrays de Paneles Solares en Redes Inteligentes
Artículo:
Simulación bidimensional de flujos en un canal abierto con estructuras en forma de surco mediante iRIC Nays2DH
Artículo:
Estimaciones del módulo de continuidad de las clases de variación acotada generalizada.