بهینه سازی الگوریتم LOLIMOT توسط ترکیب مدلها

درخت مدل خطی محلی یادرخت مدل خطی محلی یاLOLIMOT که در آن از نوعی از مدل فازی عصبی خطی محلی استفاده شده است، الگوریتمی بر اساس استراتژی تقسیم و غلبه م ی باشد که در آن حل مسئله پیچیده از طریق تقسیم م سئله به تعدادی زیر مسئلة کوچ ک تر (و از این رو ساده تر) صورت می پذیرد. بنابراین مشخصات این مد ل های فازی -عصبی (زیر مسئله های کوچک تر شده ) به مقدار زیادی ، به ساختار الگوریتم بکار برده شده جهت تقسی م بندی، وابسته می باشد. یکی از مشکلات الگوریتمLOLIMOT رو به ر شد بودن تعداد مدل های محلی خطی یاLLM ها می باشد، بدین معنی که برای رسیدن به خروجی بهتر (خروجی با خطای کمت ر ) تنها راه در الگوریتم ،LOLIMOTپیدا کردن بدترین LLM) LLM با خطای بیشت ر ) و تقسیم آن به دو LLM می باشد و این یعنی اضافه شدن تعداد LLMها. در این مقاله س عی شده با ارائه روشی برای ترکیب LLM ها و قرار دادن آن در الگوریتم LOLIMOT از افزایش بی رویه تعداد مدل های محلی جلوگیری گردد. لذا می توان گفت هدف اصلی ترکیب نرو ن ها، رسیدن به خطای مطلوب با تعداد مد ل هایکمتری نسبت به الگوریتم اصلیLOLIMOT می باشد، در پایان الگوریتم پیشنهادی توانست با یافتن مد ل های مناسب و ترکیب آنها بخوبی به این مهم دست یابد.

کلیدواژه ها:

درخت مدل خطی-محلی ، الگوریتم LOLIMOT ، ترکیب مد لهای محلی ، شبکه فازی عصبی