ارایه الگوریتم جدید شبکه عصبی بازگشتی آموزش دیده توسط الگوریتم ژنتیک در پیش بینی میزان بارش

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 503

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCC03_280

تاریخ نمایه سازی: 6 اردیبهشت 1396

چکیده مقاله:

سیستم های فازی بر پایه نحوه تصمیمگیری تقریبی انسان به مدلسازی کمیت ها به صورت کیفی و شهودی پرداخته و به این ترتیب در مواجهه با نامعینی ها تلاش می کنند. سادگی و قابلیت فهم اینروش از مزایای آن محسوب می شود . سیستم های عصبی- فازی با ترکیب دو روش از قابلیتیادگیری و پردازش موازی شبکه های عصبی و استنتاج تقریبی فازی استفاده می کنند . در این پژوهشیک شبکه عصبی- فازی بازگشتی برای پیشبینی میزان بارش طراحی شده است سپس الگوریتم ژنتیکشامل به منظور روشی نوین در آموزش این شبکه مطرح شده و به مقایسه آنها پرداخته شده است.

کلیدواژه ها:

پیش بینی میزان بارش ، الگوریتم ژنتیک ، شبکه عصبی فازی بازگشتی ، گرادیان نزولی ، آموزش مضاعف

نویسندگان

سرور فخارپور

دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی، واحد سیرجان

فرخ کروپی

استادیار دانشگاه آزاد اسلامی واحد بافت

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 مقاله لینک شده اند :
  • تشنه لب، محمد؛ منشی، مهدی.(1382) پیش بینی پارامترهای هواشناسی با ...
  • حسینی، سید اسعد. (1388) برآورد و تحلیل دماهای حداکثر شهرستان ...
  • علیجانی، بهلول؛ قویدلرحیمی، یوسف. (1384) مقایسه و پیش بینی تغییرات ...
  • کارآموز، محمد؛ رمضانی، فرید؛ رضوی، سامان. (1385) پیش بنی بلند ... [مقاله کنفرانسی]
  • علیاری شوره‌دلی، مهدی تشنه لب، محمد؛ خاکی صدیق، علی.(1383) پیش ...
  • تشنه لب، محمد؛ اخوانذاکری، مجید؛ ثنائی، بهرام. (1376) کاربرد شبکههای ...
  • Maqsood I, Khan MR, Abraham A, "Intelligent weather monitoring systems ...
  • H. M. Abdul -Kader, "Neural Networks Training Based onDifferentil Evolution ...
  • E.N. Lorenz, "Atmospheric Predictability as Revealed by Naturally Occurring Analogues", ...
  • Ch.J.Lin, Ch.H.Chen _ "Identification and prediction using recurret compensatory neuro-fuzzy ...
  • S.Venkadesh. _ "A genetic algorithm to refine input data selection ...
  • Routh, Tushar Kanti, et al. "Artificial neural network based temperature ...
  • Lejeune, M.A.P.M., 2001. Measuring the impact of data mining On ...
  • Lee, S.., Siau, K., 2001. A review of data mining ...
  • Rygielski, C., Wang, J.-C., Yen, D.C., 2002. Data mining techniques ...
  • Padhy, N., Mishra, D.P., Panigrahi, R., 2012. The Survey of ...
  • Gama, J., 2010. Knowledge discovery from data streams. CRC Press ...
  • Fayyad, U.M., Piatetsky- Shapiro, G., Smyth, P., Uthurusamy, R. (Eds.), ...
  • Ngai, E.W.T., 2005. Customer relationship management research (1992-2002): An academic ...
  • Ngai, E.W.T., Xiu, L., Chau, D.C.K., 2009. Application of data ...
  • Clerc, M., 2010. Frontmatter, in: Particle Swarm Optimization. ISTE, pp. ...
  • Talbi, E.-G., 2009. Metaheuristics : From Design to I mplementation ...
  • William Siler and James J. Buckley, FUZZY EXPERT SYSTEMS AND ...
  • Michael Negnevitsky, Artificial Intelligence, A Guide to Intelligent Systems, Second ...
  • Zhang, G., Hu, M.Y., Patuwo, B.E., Indro, D.C., 1999. Artificial ...
  • J.S.R. Jang, ANFIS _ Adaptive -network-b ased fuzzy inference system, ...
  • Khanesar, M.A; Shoorehdeli, M.A. _ Teshnehlab, M, Hybrid Training of ...
  • نمایش کامل مراجع