A comparison of BA, GA and PSO in estimation of the Effect of Higher-Order Aberrations on Visual Function in Keratoconic Eyes using a FCM-ANFIS approach
- سال انتشار: 1392
- محل انتشار: هشتمین کنفرانس ماشین بینایی و پردازش تصویر ایران
- کد COI اختصاصی: ICMVIP08_196
- زبان مقاله: انگلیسی
- تعداد مشاهده: 1637
نویسندگان
Department of Electrical, Computer and Biomedical Engineering, Qazvin Branch, Islamic Azad University
Electrical Engineering Department Amirkabir University of TechnologyTehran,
چکیده
Optimizing ANFIS model is a complex task of greatimportance in the hybrid neuro-fuzzy system field of research. Inthis work we tackle this problem with three optimizationalgorithms; Bat Algorithm (BA), Genetic Algorithm (GA), andParticle Swarm Optimization (PSO). We intend to show thesuperiority (time performance and quality of solution) of the newmetaheuristic BA over other more standard optimizationalgorithms. Therefore, the present research adopts each of thesethree metaheuristic techniques to obtain appropriate parametersettings for Fuzzy C-Means clustering (FCM) and integrates theAdaptive Network-based Fuzzy Inference System (ANFIS) forestimating the visual function of Keratoconic eyes. Ourconclusions clearly establish the advantages of the newmetaheuristic BA over the other algorithms in the optimizing ofFCM-ANFIS model for this clinical problem. The results showthat in the case of 50 bats and 100 iterations, the performanceindices of BA; RMSE, MAPE and Correlation were calculated as0.092637, 0.013722 and 0.868844 respectively.کلیدواژه ها
Adaptive network-based fuzzy inference system ANFIS); Fuzzy C-Means Clustering; Bat algorithm optimization Genetic Algorithm; Particle Swarm Optimization; Keratoconusمقالات مرتبط جدید
- بررسی جامع پتانسیلها و اثرات هوش مصنوعی و ChatGPT در پیشبرد و شکل دهی به فرآیندهای آموزشی مدرن
- بررسی کاربرد هوش مصنوعی در تعاملی سازی محیط یادگیری الکترونیکی
- تحلیلی از نقاط قوت و ضعف هوش مصنوعی در حل مسئله ریاضی
- استفاده از ChatGPT برای بهبود فعالیتهای آزمایشگاهی شیمی
- شخصی سازی آموزش و طراحی آموزشی به واسطه هوش مصنوعی در آموزش عالی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.