محمدعلی حاجی زاده - دانشگاه صنعتی سهند دانشکده مهندسی برق ازمایشگاه تحقیقاتی بینایی کا
حسین ابراهیم نژاد - دانشگاه صنعتی سهند دانشکده مهندسی برق ازمایشگاه تحقیقاتی بینایی کا

در مسائلی که حجم اطلاعات بسیار بالاست استفاده از شبکه های عصبی پیمانه ای به جای استفاده از یک شبکه عصبی یک پ ارچه می تواند نتیجه بهتری در پی داشته باشد مساله مهم در شبکه های عصبی پیمانه ای نحوه ادغام پاسخ شبکه های عصبی به منظور حصول بهترین نتیجه می باشد روشهای متعددی برای ادغام پاسخها وجود دارد که بسیاری از انها براساس روشهای تصمیم گیری اماری است دراین مقاله انتگرال فازی choquet بهمراه سیستم استنتاج فازی نوع -1 به عنوان یک روش موثر برای ادغام پاسخ شبکه های عصبی پیمانه ای به منظور بازشناسی چهره ی افراد مختلف پیشنهاد شده است ورودی شبکه های عصبی لبه های استخراج شده از تصاویر در مرحله ی پیش پردازش می باشد در اینجا یک روش بهبودی افته براساس سیستم استنتاج فازی برای استخراج لبه ها پیشنهاد شده که باعث افزایش نرخ بازشناسی می شود. مقایسه ی روش پیشنهادی و روش مبتنی بر سیستم استنتاج فازی نوع -2 و انتگرال sugeno نشان میدهد که روش پیشنهادی با وجود استفاده از سیستم استنتاج فازی نوع -1 باعث بهبود نسبی نتایج می شود.

انتگرال فازی choquet، سیستم استنتاج فازی نوع -1، شبکه های عصبی پیمانه ای