« Neuro-flou » : différence entre les versions


m (Remplacement de texte — « Termes privilégiés » par « Français »)
(nouveau terme)
Balise : Éditeur de wikicode 2017
Ligne 1 : Ligne 1 :


== Domaine ==
== Domaine ==
[[Category:Vocabulary]]
[[Category:Vocabulary]]<br>
[[Category:Intelligence artificielle]]Intelligence artificielle<br>
[[Category:Logique floue]]Logique floue<br>
[[Catégorie:Apprentissage automatique]]Apprentissage automatique<br>
[[Catégorie:Réseau de neurones artificiels]]Réseau de neurones artificiels<br>
[[Category:Coulombe]]Coulombe<br>
[[Catégorie:Scotty]]<br>
== Définition ==
== Définition ==


 
Un système neuro-flou est un système d'intelligence artificielle hybride qui combine la logique floue et un algorithme d'apprentissage dérivé des réseaux neuronaux pour déterminer les paramètres d'ensembles flous et de règles floues à partir de données.


== Français ==
== Français ==
 
neuro-flou
   
   
Note: adjectif, neuro-flou, neuro-flous, neuro-floue, neuro-floues
   
   
== Anglais ==
== Anglais ==

Version du 29 avril 2019 à 23:52

Domaine


Intelligence artificielle
Logique floue
Apprentissage automatique
Réseau de neurones artificiels
Coulombe

Définition

Un système neuro-flou est un système d'intelligence artificielle hybride qui combine la logique floue et un algorithme d'apprentissage dérivé des réseaux neuronaux pour déterminer les paramètres d'ensembles flous et de règles floues à partir de données.

Français

neuro-flou

Note: adjectif, neuro-flou, neuro-flous, neuro-floue, neuro-floues

Anglais

Neuro-fuzzy

Neuro-fuzzy hybridization results in a hybrid intelligent system that synergizes these two techniques by combining the human-like reasoning style of fuzzy systems with the learning and connectionist structure of neural networks. Neuro-fuzzy hybridization is widely termed as fuzzy neural network (FNN) or neuro-fuzzy system (NFS) in the literature. Neuro-fuzzy system (the more popular term is used henceforth) incorporates the human-like reasoning style of fuzzy systems through the use of fuzzy sets and a linguistic model consisting of a set of IF-THEN fuzzy rules. The main strength of neuro-fuzzy systems is that they are universal approximators with the ability to solicit interpretable IF-THEN rules.