طراحی بهینه چند هدفی ساختار شبکه فازی-عصبی برای مدلسازی فرآیندهای پیچیده بر اساس الگوریتم ترکیبی تکامل دیفرانسیلی و تجمعی ذره
محل انتشار: دومین کنفرانس ملی محاسبات نرم
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 329
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSCG02_024
تاریخ نمایه سازی: 7 اسفند 1396
چکیده مقاله:
با پیشرفت مسایل مهندسی و بروز مسایل پیچیده تر مهندسی نیاز به روشهای جدید مدلسازی نیاز میشود. سیستمهای استنتاج فازی-عصبی تطبیقی می توانند در این زمینه عملکرد خوبی نشان دهند، از این رو این سیستمها مورد توجه محققین قرار دارد. در طراحی این سیستمها هدف کاهش خطای مدل بدست آمده نسبت به مدل واقعی میباشد. در این مقاله روش بهینه سازی جدیدی مبتنی بر روشهای تجمعی ذرات و تکامل تفاضلی ارایه گردیده است. در این روش عملگرهای ترکیبی ارایه گردیده است که ضرایب موجود در این عملگرها توسط منطق فازی تنظیم میشود. هدف از تنظیم ضرایب افزایش سرعت بهینه سازی و همچنین توجه بیشتر به نقاط دارای جمعیت کمتر میبا شد. از این روبا توجه به شماره نسل و واریانس جمعیت بهینه سازی تصمیم گیری انجام میپذیرد. در ادامه عملکرد این روش با بهینه سازی توابع معیار مشخصی نسبت به سایر روشهای بهینه سازی سنجیده میشود. در ادامه سیستم استنتاج فازی-عصبی تطبیقی برای پیشبینی سری زمانی مکی-گلاس تعریف می شود که توابع تعلق این سیستم توسط روش بهینه سازی ارایه شده با اهداف کاهش خطای دادههای آموز شی و دادههای پیش بینی شده، به صورت چندهدفی بهینه می شود. در انتها دادههای مدل اصلی و مدل پیشبینی شده با هم مقای سه می شود و تا حد قابل قبولی خطای پیشبینی به حداقل میرسد.
کلیدواژه ها:
نویسندگان
حامد پورهاشم
دانشجوی کارشناسی ارشد، مهندسی مکانیک، دانشگاه گیلان، رشت
علی جمالی
دانشیار، مهندسی مکانیک، دانشگاه گیلان، رشت