La herramienta xfbpa ajusta los parámetros de un sistema difuso descrito mediante XFL usando diferentes algoritmos de aprendizaje supervisado. |
La herramienta de aprendizaje de Xfuzzy permite ajustar
la función de error, dando más peso
a aquellas variables de salida que se consideren más significativas en las
desviación del sistema. Además puede aplicar un mecanismo de "podado" de reglas,
eliminando aquellas cuyo grado de activación no supere un determinado umbral
(configurable por el usuario). Si durante el proceso de aprendizaje se produce
eliminación de reglas se inicia un nuevo ciclo de aprendizaje tras la
finalización del ciclo original, ya que la modificación de la base de reglas
puede interferir los resultados de aprendizaje.
|
|
También se ha implementado un mecanismo de aprendizaje específico que permite al
usuario seleccionar aquellas variables, funciones de pertenencia o parámetros
que van a ser ajustados. De esta forma es posible probar diferentes estrategias
de aprendizaje antes de seleccionar la más adecuada para cada problema
particular. Dicho mecanismo proporciona directivas que aseguran el cumplimiento
de las restricciones impuestas por algunas de las herramientas de síntesis de
Xfuzzy en la distribución de las funciones de pertenencia y su grado de
solapamiento.
|