There are several methods for defuzzification available that have different characteristics.
На сегодняшний день существует несколько способов декофеинизации, которые имеют свои особенности.
The article describes the process of converting fuzzy model elements, such as unit fuzzification, rule base unit and unit defuzzification, into fragments of the neural network.
Описывается процесс преобразования элементов нечеткой модели, таких как блок фаззификации, блок базы правил и блок дефаззификации во фрагменты нейронной сети.
The ranking results may vary with changes in selected indicators, fuzzification methods, applied rules and method of defuzzification.
Результаты ранжирования могут варьироваться в зависимости от используемых показателей, способа подготовки задачи для решения методом нечеткой логики, применяемых правил и способа решения задачи методом нечеткой логики.
The basic elements of the fuzzy system methodology described in the paper are: fuzzification, knowledge representation using fuzzy rules, inference machine, and defuzzification.
К числу описываемых в настоящем документе основных элементов методологии системы с нечеткой логикой относятся следующие: подготовка задачи для решения методами нечеткой логики, представление знаний с помощью нечетких правил, механизм вывода и получение результата методами нечеткой логики.
A number of defuzzification methods exist [55, 56, 57].
В настоящее время существует широкий класс методов идентификации [53, 55, 56].
Other results
In fuzzification, membership functions defined on input variables are applied to their actual values so that the degree of truth of each rule can be determined.
Функции принадлежности, определенные на входных переменных применяются к их фактическим значениям для определения степени истинности каждой предпосылки каждого правила.
Since the rules in the database consist of simple statements "β1 is an", the results of fuzzification are used.
Так как правила в базе состоят из простых высказываний «β1 есть an», то при этом используются результаты фаззификации.
The obtained fuzzy system is analysed by the adapted neuro-fuzzy inference system for improving the fuzzification process, i.e. for improving the process of determining membership functions.
Полученная система с нечеткой логикой анализируется с помощью адаптированной системы нейронечетких выводов для совершенствования процесса решения задач методами нечеткой логики, т.е. для усовершенствования процесса построения функций принадлежности.
Membership functions obtained in fuzzification process depends on parameters and changing the parameters will change the shape of the membership function.
Функции принадлежности, получаемые в процессе решения задач методами нечеткой логики, зависят от параметров, и их изменение приводит к модификации формы функции принадлежности.
After all the values of a*n = µ(an) for all terms of all input variables are found, the phase of fuzzification is considered complete.
После того как все значения a*n = µ(an) для всех термов всех входных переменных найдены, этап фаззификации считается законченным.