TSK Fuzzy Neural Network Use for COVID-19 Classification

Abstract

It is considered t the Takagi-Sugeno-Kang fuzzy neural network and its modern variations. The use of regularization, random exclusion of rules from the rule base allows solving the problem of excessive similarity of rules in the rule base. The use of batch normalization to increase the generalizing properties of the network allows to increase the accuracy of the model, while maintaining the possibility of interpreting the results, which is characteristic of fuzzy neural networks. It is proposed to use an ensemble of fuzzy neural networks to increase the generalizing capabilities of the network. Studies of the Takagi-Sugeno-Kang fuzzy neural network for the task of diagnosing the coronavirus disease show that the proposed model works well and allows to improve the result.

Classification of network traffic using machine learning methods

“…Це може відбуватися досить повільно, якщо ми маємо велику кількість параметрів і велику кількість даних. Традиційні підходи до вирішення проблеми занадто великої кількості параметрів включають зменшення кількості функцій і коригування кількості правил[12]. Нечіткі моделі, попри те, що не є найбільш популярними, показують непогані результати.…”