ارائه یک الگوریتم تصمیم گیر برای سیستم های تحمل پذیر خطا امنیت بحرانی با استفاده از سیستم استنتاج عصبی فازی تطبیقی

معمولاً الگوریتم های تصمیم گیری یکی از اجزای اصلی یک سیستم تحمل پذیر خطا محسوب میشوند. دو نوع الگوریتم تصمیم گیری که در اغلب سیستم های کاربردی مورد استفاده قرار میگیرند، تصمیم گیرهای اکثریت نسبی و میانگین وزن می باشند که دارای مشکلاتی بوده است.اکثریت نسبی با مشکل حد آستانه روبروست و تصمیم گیر میانگین وزن قادر نیست خروجی های بیخطر را در مواقعی که نمیتوان به خروجی درست دست یابد، تولید کند و همچنین هر دو آنها قادرنیستند در محدوده خطاهای کوچک عملکرد مناسبی از خود نشان دهند. در پژوهش جاری، سیستماستنتاج عصبی- فازی تطبیقی (انفیس)، جهت ارائه یک تصمیم گیر برای سیستم های امنیت بحرانی پیشنهاد می شود. مدل مذکور با دو الگوریتم آموزشی پس انتشار و هیبرید آموزش داده شد و سپسمورد بررسی قرار گرفت که ملاحظه شد آموزش هیبریدی با استفاده سیستم استنتاج فازی پایهنسبت به روش خوشه بندی کاهشی، کارایی بهتری دارد. نتایج تجربی نشان می دهد که تصمیم گیرارائه شده قادر است خروجی های امنتری را، مخصوصاً برای دامنه خطاهای کوچک تولید کند.