کاهش پیچیدگی قوانین و ابزارهای فازی از طریق آموزش مرحله ای با استفاده از سیستم فازی سلسله مراتبی
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 674
فایل این مقاله در 6 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:
NAEC02_175
تاریخ نمایه سازی: 15 بهمن 1393
چکیده مقاله:
به منظور کاهش پیچیدگی ابزارهای فازی و استفاده کمتر قوانین از سیستم های فازی سلسله مراتبی و آموزش مرحله ای در این مقاله بهره گرفته شده است در این سری زمانی آشوبگری Mackey Glass مورد بررسی قرار گرفته است و در مقایسه با روش کلاسیک جدول جستجو با وجود کاهش تعداد قوانین ، میزان معیار عملکردی میانگین مربعات خطا بهبود پیدا کرده است. به خاطر قابلیت سیستم های فازی در بهره برداری از دانش انسانی این روش در میان روشهای مستقل از مدل بیشتر مورد استفاده قرار گرفته است در نتیجه با استفاده از دو سیستم فازی به صورت سلسله مراتبی با وجود استفاده از تعداد کمتر قوانین مقدار خطا در پیش بینی های انجام شده توسط سیستم به میزان بسیار قابل توجهی کاهش پیدا کرده و از این رو سیستم عملکرد مناسب تری را ارائه نموده است.
کلیدواژه ها:
نویسندگان
مهدی توپچی
دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه بین المللی امام رضا (ع)
سیده اعظم ابوالقاسم پور
کارشناسی ارشد نرم افزار واحد علوم و تحقیقات خراسان رضوی
مسعود پاکباز
دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه بین المللی امام رضا (ع)
الهام منتظمی
دانشجوی کارشناسی ارشد معماری کامپیوتر دانشگاه بین المللی امام رضا (ع)
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 :