Fuzzy linear regression model with crisp coefficents: Adynamic optimization schem

سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 337

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICIORS11_061

تاریخ نمایه سازی: 30 دی 1397

چکیده مقاله:

The fuzzy linear regression model with fuzzy input-output data and crisp coefficients is studied in this paper. a hybrid scheme based on recurrent neural networks is proposed to calculate the regression coefficients. Here a neural network is first constructed based on some concepts of convex optimization and stability theory. The presented neural network framework guarantees to obtain to find the approximate parameters of the fuzzy regression problem. The existence and convergence of the trajectories of the neural network are studied. The Lyapunov stability for the neural network is also shown. Some illustrative examples provide a further demonstration of the effectiveness of the method.

نویسندگان

Alireza Nazemi

Department of Mathematics, Shahrood University of Technology

Delara Karbasi

Department of Mathematics, Shahrood University of Technology