محمد خدیوی بروجنی
ناصر مروجی
محمود عالمی
حمید پروین

در دهه گذشته چندین روش جدید برای ترکیب ردهبندهای چندگانه ارائه شده بود. شبکه عصبی ترکیبی در جایی که تعدادی شبکه عصبی با هم در حل یک مساله استفاده شوند، یک الگوی آموزشی است. امروزه سیستم تشخیص در تعدادی از کاربردها استفاده میشود. در عمل، ممکن است کاربردهایی وجود داشته باشد که هر ردهبند به تنهایی نتواند آنها را در دقت قابل قبول حل کند. شبکه های عصبی یکی از روش ای پرکاربرد در یادگیری سیستم های هوشمند است که کارایی بسیار بالایی در یادگیری الگوهای آموزشی دارد. تا به امروز کارهای تحقیقاتی زیادی روی شبکه های عصبی مصنوعی شده است. در این مقاله، از ترکیب شبکههای عصبی استفاده شده است. ما یک روش با مبنای فازی را برای ساخت یک شبکه عصبی ترکیبی با استفاده از رویکرد ترکیب ردهبند وزندار که براساس رایگیری است ارائه میدهیم. فرض اصلی این روش آن است که قابلیت اعتماد پیشبینیهای هر ردهبند بطور یکنواخت بین فضای حالت توزیع نشده است . به کمک یافتن نزدیکترین همسایههای یک نمونه ورودی، میزان اعتماد هر یک از شبکههای عصبی در مورد آن نمونه محاسبه می شود . در مرحله بعد از این میزان اعتمادها به عنوان وزن آن شبکه استفاده میگردد. مجموعه داده های مورد استفاده در این آزمایش Ionosphere و Iris ،Wine بوده است. این روش ترکیب از بهترین ردهبند معمولی به ترتیب به میزان 5.59%، 1.56%و1.91% بهتر عمل می کند.

ترکیب ردهبندها، آمیزش رده بندها، شبکه عصبی، میزان اعتماد، رأی اکثریت وزندار