Improving Premise Structure in Evolving Takagi-Sugeno Neuro-Fuzzy Classifiers - Inria - Institut national de recherche en sciences et technologies du numérique
Article Dans Une Revue Evolving Systems Année : 2011

Improving Premise Structure in Evolving Takagi-Sugeno Neuro-Fuzzy Classifiers

Abdullah Almaksour
  • Fonction : Auteur correspondant
  • PersonId : 872000

Connectez-vous pour contacter l'auteur
intuitive user interaction for document
Eric Anquetil
intuitive user interaction for document
CV

Résumé

We present in this paper a new method for the design of evolving neurofuzzy classifiers. The presented approach is based on a first-order Takagi-Sugeno neuro-fuzzy model.We propose a modification on the premise structure in this model and we provide the necessary learning formulas, with no problem-dependent parameters. We demonstrate by the experimental results the positive effect of this modification on the overall classification performance.

Domaines

Apprentissage [cs.LG]
Fichier principal
Vignette du fichier
EVOS_paper.pdf (345.58 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Abdullah Almousa Almaksour  : Connectez-vous pour contacter le contributeur

https://inria.hal.science/hal-00741483

Soumis le : vendredi 12 octobre 2012-18:01:17

Dernière modification le : mardi 27 août 2024-12:43:26

Archivage à long terme le : samedi 17 décembre 2016-00:20:15

Télécharger pour visualiser

Dates et versions

hal-00741483 , version 1 (12-10-2012)

Identifiants

Citer

Abdullah Almaksour, Eric Anquetil. Improving Premise Structure in Evolving Takagi-Sugeno Neuro-Fuzzy Classifiers. Evolving Systems, 2011, 2 (1), pp.25-33. ⟨10.1007/s12530-011-9027-0⟩. ⟨hal-00741483⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

EC-PARIS UNIV-RENNES1 CNRS INRIA INSA-RENNES IRISA IRISA-D6 UR1-MATH-STIC UR1-UFR-ISTIC UNIV-RENNES UR1-MATH-NUM
213 Consultations
342 Téléchargements

Altmetric

Partager

More