Notice: Undefined index: linkPowrot in C:\wwwroot\wwwroot\publikacje\publikacje.php on line 1275
Strona główna > Publikacje
Publikacje
Pomoc (F2)
[48730] Artykuł:

A multi-objective-genetic-optimization-based data-driven fuzzy classifier for technical applications

Czasopismo: Proceedings of the 2016 IEEE 25th International Symposium on Industrial Electronics (ISIE)   Strony: 78-83
ISSN:  2163-5137
ISBN:  978-1-5090-0873-5
Wydawca:  IEEE, 345 E 47TH ST, NEW YORK, NY 10017 USA
Opublikowano: 2016
Seria wydawnicza:  Proceedings of the IEEE International Symposium on Industrial Electronics
 
  Autorzy / Redaktorzy / Twórcy
Imię i nazwisko Wydział Katedra Procent
udziału		 Liczba
punktów
Marian Bolesław Gorzałczany orcid logoWEAiIKatedra Informatyki, Elektroniki i Elektrotechniki *507.50  
Filip Rudziński orcid logoWEAiIKatedra Informatyki, Elektroniki i Elektrotechniki *507.50  

Grupa MNiSW:  Materiały z konferencji międzynarodowej (zarejestrowane w Web of Science)
Punkty MNiSW: 15
Klasyfikacja Web of Science: Proceedings Paper

Pełny tekstPełny tekst     DOI LogoDOI     Web of Science Logo Web of Science    

Abstract:

The main contribution of this paper is our approach to automatic design from data a collection of fuzzy rule-based classifiers (FR-BCs) characterized by a high spread and well-balanced distribution of their accuracy-interpretability trade-offs. In order to achieve this goal, several multi-objective genetic optimization algorithms (M-OGOAs), including our original algorithm, have been applied. A general concept, a knowledge base, a fuzzy inference engine as well as main components of genetic learning and M-OGOA-based optimization of our FR-BCs are outlined. The proposed FR-BCs with genetically optimized accuracy-interpretability trade-off are effective and modern tools for intelligent decision support in various fields. The application to decision support in technical field of glass identification in forensic science is presented as an illustration of our approach.


POWRÓT
Strona główna > Publikacje