ترکیب روش بهبود یافته ونگ مندل با الگوریتم ژنتیک برای پیشبینی کارکرد تلفن ثابت

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,013

فایل این مقاله در 7 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:

ICS12_025

تاریخ نمایه سازی: 11 مرداد 1393

چکیده مقاله:

در این مقاله، یک روش جدید که از ترکیب سیستمهای فازی 1 و الگوریتم ژنتیک 2 استفاده میکند، برای پیشبینی 3 کارکرد دو ماهی تلفن ثابت، ارائه میشود. اساس پیشبینی صورت گرفته بدین صورت است که بر اساس کارکرد دو دورهی گذشته ، کارکرد دوره یآینده برای تک تک مشترکین 4 پیشبینی میشود. برای این کار از روش بهبود یافتهی ونگ مندل 5 برای تولید سیستم استنتاج فازی استفاده میشود. پس از تولید سیستم استنتاج فازی، با استفاده از الگوریتم ژنتیک حقیقی، وزن قوانین سیستم استنتاج فازی بهینهمیشود. روش پیشنهادی، برای پیشبینی کارکرد دورهی چهار هزار مشترک تلفن ثابت مورد استفاده قرار گرفته است. به منظور بررسیکارایی مدل پیشنهادی برای پیشبینی، این روش با روشهای قبلی بر اساس معیار های هایکین مقایسه می شود. نتایج حاصل شده نشان میدهد که روش پیشنهادی بر اساس دقت 6 و حجم محاسبات روش قابل قبولی بوده و استفاده از الگوریتم ژنتیک باعث بهبودقابل توجه دقت پیشبینی شده و در واقع بهبودی بر روش بهبود یافتهی ونگ مندل خواهد بود. علاوه بر این نتا یج حاصل ازپیاده سازی این روش نشان می دهد که ترکیب سیستم استنتاج فازی با الگوریتم های تکاملی برای بهینه سازی پارامتر های آن، باعث می شود که عملکرد ابزارهای فازی که از آنها به عنوان ابزاری قدرتمند در مسائل پیشبینی استفاده می کنیم، بهبود قابل ملاحظه ای پیدا کند.

نویسندگان

میثم بهمنش

دانشجوی کارشناسی ارشد مهندسی کامپیوتر هوش مصنوعی، دانشکده مهندسی دانشگاه شهید باهنر کرمان

مهدی افتخاری

عضو هیات علمی گروه مهندسی کامپیوتر، دانشکده مهندسی دانشگاه شهید باهنر کرمان

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 :
  • _ Potocnik, P.; Govekar, E. & Grabec, I. (2007a). Short- ...
  • . Smith, P.; Husein, S. & Leonard, D.T. (1996). Forecasting ...
  • . L.X. Wang, J.M. Mendel, Generating fuzzy rules by learming ...
  • . B ardossy, L. Duckstein, Fuzzy rule-based modeling with application ...
  • . W. Pedrycz (Ed.), Fuzzy modelling. Paradigms and practice (Kluwer ...
  • . J.-S.R. Jang, ANFIS: Adaptive-N etwork- Based Fuzzy Inference System, ...
  • . D. Nauck, R. Kruse, Neuro-fuzzy systems for function approximation, ...
  • . O. Cord'on, F. Herrera, A three-stage evolutionary process for ...
  • . O. Cord'on, F. Herrera, Hybridizing genetic algorithms with sharing ...
  • .J. Casillas, O. Cord on, F. Herrera , Improving the ...
  • .P.J.M. van Laarhoven, E.H.L. Aarts, Simulated annealing: theory and applications ...
  • .Haykin, S (1994), Neural Networks A Comprehensive Foundation. Macmillan, New ...
  • نمایش کامل مراجع