بر آورد پارامترهای فازی از طریق وزن های فازی و برنامه ریزی خطی

سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 108

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JAMFN-6-1_004

تاریخ نمایه سازی: 1 آذر 1402

چکیده مقاله:

تحلیل رگرسیون فازی یکی از پرکاربردترین تکنیک های آماری می باشد که رابطه بین متغیرها را نشان می دهد. در این بررسی رگرسیون فازی با ورودی غیر فازی و خروجی فازی در نظر گرفته می شود. برای پیش بینی مدل رگرسیون فازی، یک الگوریتم هیبریدی بر پایه برنامه ریزی خطی و وزن های فازی، در مواردی که تعداد داده ها کم بوده و یا با رگرسیون ناپارامتری فازی سروکار داشته و شکل تابعی آن مشخص نمی باشد، طراحی می شود. در این برنامه ریزی خطی، تابع هدف، پهنای خروجی ها را کمینه می کند. با استفاده از مثالهای عددی، عملکرد این روش با روشهای دیگر مانند برنامه ریزی خطی و برنامه ریزی مربعی مقایسه می شود. در این مقاله، با استفاده از مثالها نشان داده می شود که روش هیبریدی در مقایسه با روشهای دیگر دقت پیش بینی بیشتری دارد.

کلیدواژه ها:

نویسندگان

صدیقه دانش

گروه آمار، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

رحمان فرنوش

دانشکده ریاضی، دانشگاه علم و صنعت ایران، نارمک، تهران، ایران

طاهره رزاق نیا

گروه ریاضی و آمار, واحد رودهن, دانشگاه آزاد اسلامی، رودهن، ایران

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 :
  • .Zadeh, L.A. (۱۹۶۵). Fuzzy sets, Information and Control, ۸, ۳۳۸-۳۵۳ ...
  • .Tanaka, H. Uejima, S. Asia, K. (۱۹۸۲). Linear regression analysis ...
  • . Diamond, P. (۱۹۸۸). Fuzzy least squares, Information Sciences, ۴۶, ...
  • .Farnoosh, R. Ghasemian, J. and Solaymani fard, O. (۲۰۱۲). A ...
  • .Hong, D.H. Song, J.-K. Young, H. (۲۰۰۱). Fuzzy least-squares linear ...
  • .Razzaghnia, T. Danesh S. and Maleki, A. (۲۰۱۱). Hybrid fuzzy ...
  • .Razzaghnia, T. Danesh, S. (۲۰۱۵). Nonparametric Regression with Trapezoidal Fuzzy ...
  • .Wang, N. Zhang, W. X. Mei, C. L. (۲۰۰۷). Fuzzy ...
  • .Tanaka, H. Ishibushi, H. (۱۹۹۱). Identification of possibilistic linear systems ...
  • .Tanaka, H. Lee, H. (۱۹۹۸). Interval regression analysis by quadratic ...
  • .Cheng, C.-B. Lee, E. S. (۱۹۹۹). Nonparametric fuzzy regression k-NN ...
  • .Donoso, S. Marin, N. and Amparo, V. (۲۰۰۶). M. Quadratic ...
  • .Razzaghnia, T. Pasha, E. (۲۰۰۹). A new mathematical programming approach ...
  • .Ishibuchi, H. Kwon, K. Tanaka, H. (۱۹۹۵). A learning algorithm ...
  • .Ishibuchi, H. Tanaka, H. (۱۹۹۲). Fuzzy regression analysis using neural ...
  • .Jang. J.S.R. (۱۹۹۳). ANFIS: adaptive-network-based fuzzy inference system. IEEE Trans ...
  • .Cheng, C.-B. Lee, E. S. (۱۹۹۹). Applying Fuzzy Adoptive Network ...
  • .Dalkilic, T. E. Apaydin, T. (۲۰۰۹). A fuzzy adaptive network ...
  • .Dalkilic, T. E. Apaydin, T. (۲۰۱۴). Parameter Estimation by ANFIS ...
  • .Danesh, S. Farnoosh, R. Razzaghnia, T. (۲۰۱۶). Fuzzy nonparametric regression ...
  • .Jang, J.S.R. (۱۹۹۲). Self-learning fuzzy controllers based on temporal back-propagation, ...
  • .Kim, B. and Bishu, R. R. (۱۹۹۸). Evaluation of fuzzy ...
  • .Tanaka, H., Hayashi, I., Watada, J. (۱۹۸۹). Possibilistic linear regression ...
  • نمایش کامل مراجع