طراحی یک سیستم فازی-عصبی خود سازمانده با قابلیت یادگیری برخط برای شناسایی سیستم های دینامیک غیر خطی در حضور نویز
محل انتشار: بیست و یکمین کنفرانس مهندسی برق ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 972
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:
ICEE21_200
تاریخ نمایه سازی: 27 مرداد 1392
چکیده مقاله:
در این مقاله یک سیستم فازی-عصبی خود سازمانده با قابلیت یادگیری برخط برای شناسایی سیستم های دینامیک غیر خطی درحضور نویز ارائه شده است. ابتدا در این سیستم هیچ نودی در لایه ی پنهان وجود ندارد ودر طی فرایند آموزش چنانچه معیارهای تولید قوانین ارضاء شوند نرونRBF به لایه ی پنهان اضافه می شود. پارامترهای قانون جدید به فرم تاکاگی -سوگنو با استفاده ازالگوریتم آموزش حداقل مربعات بازگشتیRLS) برای قابلیت یادگیری برخط و افزایش سرعت همگرایی، تخمین زده می شوند. بعد از فرایند ایجاد قانون جدید، کارایی سیستم، محاسبه شده و قوانینی که تأثیر کمتری در کارایی سیستم دارند هرس می شوند. ویژگی های اصلی این مقاله عبارت است از: 1)استفادهاز معیارجدید درجه ی تطبیق و معیار متداول فاصله در فاز رشد قوانین؛ 2) ارائه ی یک الگوریتم هرس جدیدبر اساس چگالی، که چگالی تعداددفعاتی است که یک قانون آتش می شود، هر بار که یک الگو توسط یک قانون پوشش داده می شود به چگالی آن قانون یک واحد اضافه می شود در پایان قانونی که کمترین مقدار چگالی را داشته باشد از بین قوانین موجود هرس می شود؛ 3) ترکیب توابع عضویت مشابه و تغییر عرض آنهابه منظور افزایش کارایی سیستم؛ 4) ایجاد قوانین فازی بدون استفاده از الگوریتم پس انتشار خطا؛ نتایج شبیه سازی با بررسی عملکرد سیستم درحضور نوئیز روی یک مسأله ی مبنا، شامل شناسایی یک سیستم دینامیک غیرخطی حاکی از دقت بالاتر و ساختار فشرده تر الگوریتم پیشنهادی نسبت به سایر روش هاست
کلیدواژه ها:
نویسندگان
شیرین ریخته گرمشهد
دانشگاه آزاد اسلامی واحد مشهد- گروه کامپیوتر
محمدرضا اکبرزاده توتونچی
دانشگاه فردوسی مشهد