Mahsuliy produksiya ekspert tizimlari taraqqiyoti va tatbiqlari

Qat’iymas to’plamlar ustida amallar. Qat’iymas munosabatlar.
Yuqori unumdorlikka ega loyqa(fuzzy) tizimni ishlab chiqish osonlikcha amalga oshirilmaydi. Buning uchun bir nechta qadamlar mavjud. Bir qancha muammolar paydo bo'ladi, jumladan a'zolik funktsiyalari va tegishli qoidalarni izlash, bu jarayon muntazam ravishda xatolarga olib keladi. Natijada, o'rganish algoritmlari loyqa tizimlarga ham qo'llanildi. Neyron tarmoqlar loyqa tizimlarni ishlab chiqishni avtomatlashtirishning muqobil usuli sifatida ko'rib chiqildi. Neyron tarmoqlarning funktsiyalari jarayonlarni boshqarish dasturlari, ma'lumotlarni tahlil qilish va tasniflash, kamchiliklarni aniqlash va qarorlar qabul qilishni qo'llab-quvvatlashni o'z ichiga oladi, lekin ular bilan cheklanmaydi.
Neyron tarmoqlar va loyqa tizimlar afzalliklarini oshirish va kamchiliklarini kamaytirish uchun birlashtirilishi mumkin. Neyron tarmoqlarni o'rganish usullaridan loyqa tizimlarni ishlab chiqish vaqtini, shuningdek, ishlash ko'rsatkichlarini yaxshilash bilan birga xarajatlarni sezilarli darajada kamaytirish uchun foydalanish mumkin. 1-2-rasmlarda loyqa neyron tizimlarning ikkita potentsial modeli keltirilgan. 1-rasmda loyqa interfeys bloki lingvistik bayonotlarga javob sifatida ko'p qatlamli neyron tarmoqqa kirish vektorini taqdim etadi. Keyinchalik, neyron tarmoq kerakli natijalar yoki qarorlarni ishlab chiqarishga o'rgatiladi.

1-rasm. Fuzzy(Loyqa) neyron modeli

Ikkinchi holda, loyqa xulosalar mexanizmi ko'p qatlamli neyron tarmog'i bilan aniqlanadi.

2-rasm Fuzzy(Loyqa) neyron modeli
Neyron tarmoqlar tomonidan taqdim etilgan o'rganishning hisoblash xarakteristikalari loyqa tizimlar tomonidan olinadi va buning evaziga neyron tarmoqlar tizim tasvirining talqini va ravshanligini oladi. Loyqa neyron tarmoq yoki neyro-loyqa tizim (NFS - neuro-fuzzy system) loyqa tizim parametrlarini aniqlash uchun neyron tarmoqlardan olingan taxminiy usullardan foydalanadi.