بهینه سازی الگوریتم LOLIMOT با استفاده از مدل های غیر خطی محلی
- سال انتشار: 1386
- محل انتشار: سیزدهمین کنفرانس سالانه انجمن کامپیوتر ایران
- کد COI اختصاصی: ACCSI13_249
- زبان مقاله: فارسی
- تعداد مشاهده: 1798
نویسندگان
دانشگاه آزاد اسلامی واحد بابل
دانشگاه صنعتی خواجه نصیرالدین طوسی
چکیده
درخت مدل خطی محلی یاLOLIMOT که در ان از نوعی از مدل فازی عصبی خطی محلی استفاده شده است، الگوریتمی بر اساس استراتژی تقسیم و حل باشد که در آن حل مسئله پیچیده از طریق تقسیم مسئله به تعدادی زیر مسئلة کوچک تر (و از این رو ساده تر) صورت می پذیرد[ 1]. بنابراین مشخصات این مدل های فازی - عصبی (زیر مسئله های کوچک تر شده) به مقدار زیادی، به ساختار الگوریتم بکار برده شده جهت تقسیم بندی، وابسته می باشد . الگوریتمLOLIMOTبرای رسیدن به خروجی بهتر (خروجی با خطای کمتر ) فضای مسئله را به تعدادی مدل خطی محلی یاLLM تقسیم می نماید و پس از پیدا کردن بدترینLLM) LLM با خطای بیشتر) با تقسیم آن به دو،LLM الگوریتم را ادامه می دهد. در این مقاله سعی شده با ارائه روشی برای استفاده از مدل های غیرخطی محلی بجای استفاده از مدل های خطی محلی، با تعداد مدل های کمتری به خطای مطلوب تری دست یابیم. در پایان الگوریتم بهینه شده توانست با قدرت انعطاف زیاد، به خوبی به این مهم دست یابد.کلیدواژه ها
درخت مدل خطی-محلی، الگوریتم ،LOLIMOT ، مدل غیرخطی محلی، شبکه عصبی فازیمقالات مرتبط جدید
- تاثیر نوروفیدبک بر آموزش کودکان مبتلا به ADHD و اختلالات خواندن: یک بررسی سیستماتیک
- بررسی نقش سیستم های پیشرانش جت و بهبود کارایی انتقال حرارت در انجین های فضاپیما
- مروری بر کاربرد داده کاوی در کشف دانش پنهان
- تجزیه و تحلیل ترمودینامیکی استفاده از یک چرخه دی اکسید کربن فوق بحرانی با اینترکولر، گرم کردن مجدد و احیاکننده برای بازیابی گرمای اتلافی یک توربین گازی
- کاربرد IOT در مهندس پزشکی
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.