ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تقریب توابع با استفاده از الگوریتم خودتنظیم بهینه سازی ازدحام ذرات مبتنی بر شبکه های عصبی فازی

سال انتشار: 1394
کد COI مقاله: COMCONF01_533
زبان مقاله: فارسیمشاهد این مقاله: 1,888
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تقریب توابع با استفاده از الگوریتم خودتنظیم بهینه سازی ازدحام ذرات مبتنی بر شبکه های عصبی فازی

حمیدرضا کیخا - دانشجوی کارشناسی ارشد، دانشکده ریاضی و علوم کامپیوتر، دانشگاه سیستان و بلوچستان
حسن رضایی - عضو هیئت علمی دانشکده ریاضی و علوم کامپیوتر، دانشگاه سیستان و بلوچستان

چکیده مقاله:

تقریب توابع ریاضی و سریهای زمانی از گذشته ی دور تا امروز یکی از مسائل اساسی در حوزه محاسبات علمی بوده است.در گذشته برای تقریب توابع و سریهای زمانی از روشهایی با بار محاسباتی سنگین استفاده می شد، برخی ازین روشهامانند روش سریهای فوریه در توابعی با ابعاد پائین روش مناسبی بودند اما در توابع با ابعاد بالا به زمان زیادی احتیاج داشتند. روشهای تکاملی، روشهای مبتنی بر شبکه های عصبی و روشهای فازی، مهمترین و جدیدترین راهکارهای اینحوزه هستند. هریک از این سه روش دارای معایبی هستند که در این مقاله شرح داده خواهد شد. در این مقاله قصد داریماز ترکیب این سه روش، راهکار نوینی برای مساله تقریب توابع بدست آوریم. روش معرفی شده در این مقاله، با استفاده از ترکیب یک ساختار عصبی فازی ، به همراه الگوریتم بهینه سازی ازدحام ذرات، برای حل مساله تقریب توابع راهکار -مناسبی ارائه میدهد. ساختار های عصبی فازی دارای مزایای سیستمهای فازی نظیر استفاده از دانش بشری و درک انسان - است، که این روش مشکلات شبکه های عصبی را تا حد زیادی برطرف کرده است. مهمترین مزیت این روش کاهش تعداد نرون ها و همچنین کاهش زمان فرآیند آموزش شبکه های عصبی است. هدف از معرفی این روش ترکیبی کاهش تعدادنرون های مدل پایه و رسیدن به پاسخ نهائی در زمان مطلوب است. نتایج حاصل از این ارزیابی با چهار تابع محک ارائه شده است.

کلیدواژه ها:

تقریب توابع، PSO ، شبکه ی عصبی، تکاملی، فازی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/404633/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
کیخا، حمیدرضا و رضایی، حسن،1394،تقریب توابع با استفاده از الگوریتم خودتنظیم بهینه سازی ازدحام ذرات مبتنی بر شبکه های عصبی فازی،کنفرانس بین المللی یافته های نوین پژوهشی درمهندسی برق و علوم کامپیوتر،تهران،،،https://civilica.com/doc/404633

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1394، کیخا، حمیدرضا؛ حسن رضایی)
برای بار دوم به بعد: (1394، کیخا؛ رضایی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • کیخا، حمیدرضا، حسن رضایی، 1393، حل مسائل بهینه سازی مقیاس ...
  • کشاورز امامی.، ر، لوکس، ک، توسعه‌الگوریتم درخت مدل خطی محلی ...
  • A. Banks, J. Vincent, _ Anyakoha, A review of particle ...
  • optimization and indicative applications, Nat. Comput. 7 (2008). ...
  • Z. Beheshti, S.M. Hj Shamsuddin, CAPSO: centripetal accelerated particle SWarm ...
  • M.R. Tanweera, N. Sundararajan, Self regulating particle SWarm optimization algorithm, ...
  • Haupt, R. L., Haupt, S. E., Practical Genetic Algorithm, Second ...
  • Kennedy, J. and R.C. Eberhart, Swarm Intelligence, Kaufmann, United States ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 9,785
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی