بهبود عملکرد پیش بینی کننده های فازی عصبی توسط الگوریتم یادگیری عاطفی
محل انتشار: یازدهمین کنفرانس مهندسی برق
سال انتشار: 1382
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,382
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEE11_086
تاریخ نمایه سازی: 18 تیر 1391
چکیده مقاله:
پیش بینی سریهای زمانی غیرخطی را میتوان یک شاخه مهمدربحث شناسایی سیستم وبهینه سازی غیرخطی دانست درچند دهه اخیر شبکه های عصبی و مدلهای فازی عصبی مختلف درمدلسازی سیستمهای غیرخطی بکاررفته اند و روشهای آموزش متعددی به این منظور معرفی شده اند با یک نگاه کاربردی به مساله پیش بینی سریهای زمانی داده های مشاهده ای اهمیت استفاده از روشهای یادگیری چندمنظوره نمایان میشود یک مثال مناسب از چنین مساله ای پیش بینی سریهای زمانی فعالیت خورشیدی است پیش بینی دقیق فعالیت خورشیدی درسالهای اوج آن درطول سیکل یازده ساله بخاطر اثراتش برزمین و ماهواره ها از اهمیت بیشتری برخوردار است روش یادگیری عاطفی یک روش یادگیری چند منظوره با بارمحاسباتی کم است که درتصمیم گیری و کاربردهای کنترلی با موفقیت بکارگرفته شدها ست دراینمقاله یک سیستم استنتاج فازی با یادگیری عاطفی ELFIS معرفی می شود و درپیش بینی نمونه هایی از سریهای زمانی غیرخطی مانند تعداد لکه های خورشیدی و قیمت سهام بکارمیرود.
کلیدواژه ها:
یادگیری عاطفی - پیش یبنی - سریهای زمانی غیرخطی - مدلهای فازی عصبی - تعداد لکه های خورشیدی - قیمت سهام
نویسندگان
علی قلی پور
دانشگاه تهران دانشکده فنی گروه مهندسی برق و کامپیوتر
کارو لوکس
پژوهشکده سیستمهای هوشمند مرکز تحقیقات فیزیک نظری و ریاضیات
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :