بهبود ساختار شبکه های عصبی-فازی با استفاده از الگوریتم بهینه سازی ازدحام ذرات به منظور تقریب توابع
- سال انتشار: 1394
- محل انتشار: چهارمین کنگره مشترک سیستم های فازی و هوشمند ایران (پانزدهمین کنفرانس سیستم های فازی و سیزدهمین کنفرانس سیستم های هوشمند)
- کد COI اختصاصی: ICFUZZYS15_057
- زبان مقاله: فارسی
- تعداد مشاهده: 1635
نویسندگان
دانشجوی کارشناسی ارشد، دانشگاه سیستان و بلوچستان
عضو هیئت علمی، دانشگاه سیستان و بلوچستان
چکیده
یکی از اساسی ترین مسائل مورد بحث در حوزه ی محاسبات علمی و آنالیز عددی، مساله تقریب توابع و سریهای زمانی است. رایج ترین روش ها در این حوزه، روشهای تکاملی، روشهای مبتنی بر شبکه های عصبی و روشه ای فازی هستند. هریک از این سه روش دارای معایبی هستند که در این مقاله شرح داده خواهد شد. در این مقاله قصد داریم از ترکیب این سه روش راهکار مناسبی برای مساله تقریب توابع بدست آوریم. روش معرفی شده در این مقاله، با استفاده از ترکیب روش درخت مدل خطی محلی، که یک ساختار عصبی-فازی است، به همراه الگوریتم بهینه سازی ازدحام ذرات، برای حل مساله تقریب توابع راهکار مناسبی ارائه میدهد. درخت مدل خطی محلی 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 تعداد نرون های مدل پایه و رسیدن به پاسخ نهائی در زمان مطلوب است. نتایج حاصل از این ارزیابی با سه تابع محک ارائه شده است.کلیدواژه ها
PSO، درخت مدل خطی محلی، عصبی، فازیمقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
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.