مجله اینترنتی دیتاسرا
امروز یکشنبه ۲۶ آذر ۱۳۹۶

سیستم استنتاج فازی تطبیقی (SAFIS) برای پیش بینی و شناسایی سیستم های غیرخطی Sequential Adaptive Fuzzy Inference System (SAFIS) for nonlinear system identification and prediction

Abstract



In this paper, a Sequential Adaptive Fuzzy Inference System called SAFIS is developed based on the functional equivalence between a radial basis function network and a fuzzy inference system (FIS). In SAFIS, the concept of “Influence” of a fuzzy rule is introduced and using this the fuzzy rules are added or removed based on the input data received so far. If the input data do not warrant adding of fuzzy rules, then only the parameters of the “closest” (in a Euclidean sense) rule are updated using an extended kalman filter (EKF) scheme. The performance of SAFIS is compared with several existing algorithms on two nonlinear system identification benchmark problems and a chaotic time series prediction problem. Results indicate that SAFIS produces similar or better accuracies with less number of rules compared to other algorithms. © 2006-Elsevier B.V. All rights reserved.



Keywords: Sequential adaptive fuzzy inference system (SAFIS); GAP–RBF; GGAP–RBF; “Influence” of a fuzzy rule; Extended Kalman filter



چکیده فارسی



در این مقاله سیستم سیستم استنتاج فازی تطبیقی به نام SAFIS ، بر مبنای شباهت های عملکردی بین شبکه توابع بر پایه شعاع و سیستم استنتاج فازی (FIS) ایجاد می گردد. در سیستم SAFIS (استنتاج فازی تطبیقی)، مفاهیم مربوط به تاثیر قوانین فازی معرفی شده و با استفاده از این موارد، قوانین فازی بر مبنای داده های اولیه ای که تا به حال دریافت شده اند، حذف یا اضافه می گردند. اگر داده های اولیه مانع اضافه شدن قوانین فازی شوند، به این ترتیب تنها پارامترهای مربوط به قوانین مشخص( در مفهوم اقلیدسی) با استفاده از طرح فیلتر کالمن به روز می گردند. عملکرد SAFIS (استنتاج فازی تطبیقی) با چندین الگوریتم موجود در ارتباط با مسئله ارزیابی مقایسه ای شناسایی دو سیستم غیر خطی و مسئله پیش بینی سری زمانی زمان پرهرج و مرج، مقایسه می گردد. نتایچ نشان می دهد که SAFIS (استنتاج فازی تطبیقی) در مقایسه با الگوهای دیگر با توجه به تعداد قوانین کمتر، صحت مشابه یا بهتری را ایجاد می کند.



کلیدواژه: سیستم استنتاج فازی تطبیقی زنجیره ای(SAFIS)؛ GAP-RBF؛ GGAP-RBF؛ تاثیر قوانین فازی؛ فبلتر توسعه یافته کالمن.


مشخصات

مشخصات

توسط: Hai-Jun Rong, N. Sundararajan مجله: Fuzzy Sets and Systems انتشارات: Elsevier سال انتشار: 2006 میلادی تعداد صفحات متن اصلی: 16 تعداد صفحات متن ترجمه: 24 درج در دیتاسرا: ۱۳۹۵/۱۰/۵ منبع: دیتاسرا

خرید فایل ترجمه

خرید فایل ترجمه

عنوان: سیستم استنتاج فازی تطبیقی (SAFIS) برای پیش بینی و شناسایی سیستم های غیرخطی حجم: 287.61 کیلوبایت فرمت فایل: pdf قیمت: 15000 تومان رمز فایل (در صورت نیاز): www.datasara.com

فرمت ایمیل صحیح نمی باشد.

گروه نرم افزاری دیتاسرا www.datasara.com

دانلود فایل اصلی

دانلود فایل اصلی

عنوان: Sequential Adaptive Fuzzy Inference System (SAFIS) for nonlinear system identification and prediction

رمز فایل
رمز فایل (در صورت نیاز): www.datasara.com

نمای مطلب

مشخص است که سیستم استنتاج فازی(FIS) تقریبا مشابه طرح های ورودی و خروجی با در نظر گرفتن بعضی از قوانین مورد استفاده قرار می گیرد. در طرح FIS، دو فعالیت اصلی وجود دارد که شامل تعیین ساختار و انطباق پارامترها می باشد. شناسایی ساختارها به تعیین ورودی ها و خروجی ها ، متغیرهای پیش رو و قبلی با توجه به قوانین مورد نظر، تعداد قوانین، و موقعیت تابع عضویت می پردازد. فعالیت ثانویه انطباق پارامتر شامل تشخیص پارامترها می باشد زیرا ساختار سیستم فازی در مراحل پیشین مشخص شده اند.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



این روش به دو طبقه تقسیم می شود که به نام های طرح آموزشی دسته بندی شده و طرح آموزشی ترتیبی می باشد. در طرح دسته ای، فرض بر این است که داده های آموزشی کامل قبل از شروع فرایند آموزش در دسترس باشند. این آموزش ها معمولا شامل به جریان انداختن داده ها در طی چند دوره می باشد. در طرح ترتیبی ، داده ها یک به یک وارد شده و بعد از یادگیری ر یک از این داده ها، کنارگذاشته شده و هر یک از این فرایندها دیگر وجود نخواهند داشت.



61



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



از این رو در چنین مواردی، الگوریتم های متوالی نسبت به الگوریتم های دسته ای برتری داشته زیرا آن ها نیاز به فرابند بازیایی در زمان ورود داده های جدید ندارند. در مقایسه با الگوریتم های دسته ای ، الگوریتم ترتیبی نیز در این مقاله مورد بحث قرار گرفته اند عنی، SAFIS دارای خصوصیات زیر می باشد:



1) تمام فرایندهای آموزشی به ترتیب در سیستم نشان داده می شوند.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



3) فرایند آموزش به محض ینکه مراحل آموزشی در ارتباط با مشاهدات کامل شد، خاتمه می یابد.



4) سیستم آموزشی در ارتباط با ارائه کل فرایندهای آموزشی شامل بررسی های قبلی نمی باشد.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



سهم قابل توجهی از آموزش های ترتیبی در شبکه RBF توسط پلات از طریق توسع شبکه اختصاص منابع (RAN) مطرح شده است. در RAN ، شبکه توسط نورون های پنهانی مد نظر قرار نگرفته اما این نورون ها را بر مبنای بررسی داده های ورودی اضافه می کند. بیشتر الگووه های اخیر در ارتباط با سیستم فازی بر مبنای مفهوم RAN می باشد. این الگوریتم به عنوان یک الگوریتم آنلاین بوده و اگر فردی با دقت به آن نگاه کند، آن ها به موجب خصوصیات مشخص شده به صورت ترتیبی نمی باشند.



رویکرد زنجیره ای خود- محور که توسط چو و وانگ مطرح شده به صورت اتوماتیک قوانین فازی را بدون از پیش مشخص کردن مجموعه ای از قوانین مشخص شده بر مبنای معیار آزمون و خطا تابع فازی، ایجاد می کنند. به هر حال این الگوریتم نیازمند به چرخش در آوردن کل داده ها بر روی مجموعه ای از چرخه های آموزشی می باشد و از این رو نمی تواند به عنوان یک طرح آموزشی متوالی باشد.



اخیرا، یک شبکه ارتباطی به هم پیوسته فازی خود محور توسط جانگ و لین مطرح شده است که در آن قوانین فازی به صورت انلاین از داده ها استخراج می گردد. برای افزودن قوانین فازی جدید، SONFIN از یک معیار فاصله بین داده های ورودی جدید و تابع عضویت گاسیان در قوانین فازی موجود استفاده می کند. اگرچه این الگوریتم به صورت طبیعی ترتیبی می باشد، آن باعث حذف قوانین فازی در زمان ایجاد نمی گردد حتی اگر چنین قوانینی کارآمد نباشد.این فرایند ساختارهایی را ایجاد می کند که طبق آن تعداد قوانین زیاد می باشد.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



62



در این مقاله، SAFIS به گونه ای مد نظر قرار می گیرد تا سیستم های فازی فشرده شده را با توجه به قوانین کمتری مد نظر قرار دهد. SAFIS از مفهوم تشابه تابع بین شبکه های به هم پیوسته RBFو سیستم ارتباطی فازی استفاده می کند. در اینجا، SAFIS از شبکه به هم پیوسته GAP-RBF استفغاده می کند که توسط هانگ و همکارانش مطرح شده است. الگوریتم SAFIS شامل دو جنبه می باشد: تعیین قوانین فازی و انطباق نظریه ها و پارامترهای بعدی در قوانین فازی.



SAFIS از مفهوم تاثیر قوانین فازی برای حذف و اضافه کردن مجموعه قوانین در طی فرایند آموزشی استفاده می کند.SAFIS بدون در نظر گرفتن قانون فازی ایجاد شده و بر مبنای داده های ایجاد شده قوانین خاص می باشد. در طی فرایند یادگیری، تنها داده های موجود مورد استفاده قرار می گیرند و نیازی وجود ندارد تا تمام داده های گذشته را ذخیره کنیم.تاثیر قوانین فازی زمانی مشخص می گردد که سهم ان در برابر خروجی های سیستم به صورت مفاهیم آماری باشد. در اینجا ما اصطلاحاتی را در این مورد مد نظر قرار می دهیم به ترتیبی که داده های ورودی به صورت یکپارچه ای توزیع می شوند.



انطباق پارامترها با استفاده از استراتژی انجام می گیرد که طبق آن این قوانین تزدیک به داده های ورودی تعریف شده و به روز کردن پارامترها با استفاده از مکانیسم EKF انجام می گیرد.



باید به این مورد توجه کرد که SAFIS به عنوان یک الگوریتم آموزشی ترتیبی می باشد.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



این مقاله به صورت زیر سازماندهی می شود. بخش 2 ساختار SAFIS را در ارتباط با تعریف تاثیر قوانین فازی ارائه می کند. این بخش همچنین جزییات مربوط به الگوریتم SAFIS را نشان می دهد. بخش 3 مقایسه عملکرد کمی را در ارتباط با SAFISبا الگوریتم های دیگربر مبنای مد نظر قرار دادن خطاها در تعیین فرایندای غیرخطی و بخش های پیش بینی شده نشان می دهد. بخش 4 نتیجه گیری حاصل از این بررسی را نشان می دهد.



2. SAFIS- معماری و الگوریتم



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



که در این فرمول Y به عنوان بردار حامل بوده که شامل خروجی سیستم (نیاز به دانلود ترجمه) می باشد، u به عنوان بردار حامل ورودی سیستم ؛ f به عنوان تابع غیرخطی بردار حامل بوده که نماینده سطوح بالای سیستم (نیاز به دانلود ترجمه) می باشد.و k و p به ترتیب به عنوان حداکثر تاخیر خروجی و ورودی می باشد.



با مشخص کردن (نیاز به دانلود ترجمه) به عنوان ورودی – خروجی سیستم فازی (نیاز به دانلود ترجمه) در زمان n ، معدله بالا به صورت زیر نمایش داده می شود



هدف الگوریتم SAFIS جدید محاسبه تقریبی F به صورت زیر می باشد



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



ساختار SAFIS که توسط شکل 1 نشان داده شده است شامل 5 لایه به منظور تشخیص مدل قانون فازی زیر می باشد:



کانون K: اگر (نیاز به دانلود ترجمه) که (نیاز به دانلود ترجمه) که به عنوان یک پارامتر ثابتی در قانون K می باشد، (نیاز به دانلود ترجمه) به عنوان مقدار عضویت (نیاز به دانلود ترجمه) متغیر ورودی (نیاز به دانلود ترجمه) در قانون K می باشد، (نیاز به دانلود ترجمه) به عنوان اندازه بردار ورودی (نیاز به دانلود ترجمه) می باشد. (نیاز به دانلود ترجمه) برابر با تعداد متغیرها می باشد. در ابتدا هیچ قانون فازی وجود نداشته و در طی آموزش فازی ، قوانین خذف و اضافه می گردند.



لایه 1: در این لایه هر گره یک متغیر ورودی را نشان داده و مستقیما سیگنال های ورودی را به لایه 2 منتقل می کند.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



63



که تابع توسط فرمول زیر داده می شود



که در این فرمول (نیاز به دانلود ترجمه) به عنوان تعداد تابع گاسیان، (نیاز به دانلود ترجمه) به عنوان مرکز تابع گاسیان (نیاز به دانلود ترجمه) برای متغیر ورودی (نیاز به دانلود ترجمه) ، (نیاز به دانلود ترجمه) به عنوان پهنای (نیاز به دانلود ترجمه) تابع گاسیان می باشد. در SAFIS، پهنای متغیرهای ورودی در تابع گاسیان یکسان می باشد.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



لایه 4: گره در لایه به عنوان گره های معمولی می باشد که تعداد آن ها برابر با تعداد گره ها در لایه سوم می باشد. گره معمول (نیاز به دانلود ترجمه) توسط فرمول زیر بدست می آید



لایه 5: هر گره در این لایه منطبق با متغیر خروجی می باشد که توسط جمع کردن خروجی قوانی مشخص شده بدست می آید. خروجی سیستم توسط موارد زیر بدست می آید.



که



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



2.1 تاثیر قوانین فازی



به موجب معادله 7. سهم قانون (نیاز به دانلود ترجمه) نسبت به خروجی کل در ارتباط با ورودی (نیاز به دانلود ترجمه) به صورت زیر می باشد



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



با تقسیم صورت و مخرج کسر با N، معادله به صورت زیر در می آید.



با استفاده از مفهوم GAB-RBF، تاثیر قانون فازی KTH بر مبنای مشارکت آماری ان با کل خروجی SAFIS می باشد. به ترتیبی که (نیاز به دانلود ترجمه) تاثیر قانون kth به صورت زیر می باشد.



محاسبه (نیاز به دانلود ترجمه) با استفاده از معادله بالا نیاز به شناخت (نیاز به دانلود ترجمه) دارد. در طرح آموزشی ترتیبی، این فرایند امکان پذیر نمی باشد. راه دیگر محاسبه (نیاز به دانلود ترجمه) استفاده از توزیع داده ها و دنبال کردن رویکرد مشابه همان طور که در شکل 7 توصیف شده است می باشد. به منظور محاسبه (نیاز به دانلود ترجمه) می بایست در ابتدا به محاسبه (نیاز به دانلود ترجمه) با فرمول زیر پرداخت



فرض کنید (نیاز به دانلود ترجمه) از بردار نمونه x با تابع چگالی باشد. موقعیتی را تصور کنید که بخش n دارای طرح ترتیبی باشد.محدوده نمونه x تقسیم بر فضای m شود. (نیاز به دانلود ترجمه) اندازه (نیاز به دانلود ترجمه) توسط (نیاز به دانلود ترجمه) نشان داده می شود. از آن جایی که چگالی تابع برابر با (نیاز به دانلود ترجمه) می باشد به اندازه (نیاز به دانلود ترجمه) نمونه در هر (نیاز به دانلود ترجمه) وجود دارد، به ترتیبی که (نیاز به دانلود ترجمه) به عنوان بخشی می باشد که در (نیاز به دانلود ترجمه) مد نظر قرار می گیرد. زمانی که تعداد ورودی های N بالا باشد ، (نیاز به دانلود ترجمه) کم بوده و از معادله 12 ما معادله زیر را به دست می آوریم.



در توزیع مشخصات (نیاز به دانلود ترجمه) ، (نیاز به دانلود ترجمه) مستقل از یکدیگر می باشد، چگالی تابع (نیاز به دانلود ترجمه) از X به صورت روبرو نوشته می شود (نیاز به دانلود ترجمه) به ترتیبی که (نیاز به دانلود ترجمه) به عنوان تابع چگالی (نیاز به دانلود ترجمه) می باشد در چنین موردی معادله 13 به صورت زیر نوشته می شود.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



در این فرمول (نیاز به دانلود ترجمه) به عنوان ابعاد فضای ورودی x و (نیاز به دانلود ترجمه) به عنوان فاصله زمانی (نیاز به دانلود ترجمه) خصوصیات (نیاز به دانلود ترجمه) می باشد.



معادله 14 شامل ادغام تابع چگالی (نیاز به دانلود ترجمه) ر محدوده x می باشد. زمانی که نمونه های ورودی به صورت یکپارچه ای در محدوده x قرار می گیرند، تابع چگالی (نیاز به دانلود ترجمه) توسط فرمول (نیاز به دانلود ترجمه) بدست می آید. به ترتیبی که (نیاز به دانلود ترجمه) برابر با اندازه محدوده x توسط این فرمول (نیاز به دانلود ترجمه) بدست می آید. با جایگزین کردن (نیاز به دانلود ترجمه) در معادله 13 ما فرمول زیر را داریم.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



بنابراین بر مبنای معادله 16 تاثیر قانون (نیاز به دانلود ترجمه) به صورت زیر می باشد



یادآوری. اهمیت شبکه های مورد نظر در (نیاز به دانلود ترجمه) بر مبنای سهم میانگین شبکه های مشخص نسبت به خروجی شبکه (نیاز به دانلود ترجمه) بدست می آید. تحت چنین تعریفی، یک فرد می تواند به تخمین توزیع محدوده (نیاز به دانلود ترجمه) بپردازد. به هر حال تاثیر قوانین مطرح شده در این مقاله متفاوت از اهمیت شبکه های مطرح شده در (نیاز به دانلود ترجمه) می باشد. همان طور که در معادله 17 مشاهده می شود، با مد نظر قرار دادن تاثیرات، نیازی نیست به تخمین محدوده توزیع داده های ورودی (نیاز به دانلود ترجمه) پرداخت و فرایند اجرا ساده تر می گردد.



2.2 الگوریتم SAFIS



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



2.2.1 افزودن قوانین فازی



SAFISبدون وجود قوانین فازی شروع به کار می کند. به عنوان داده ورودی (نیاز به دانلود ترجمه) به صورت متوالی در طی فرایند آموزش حاصل می گردند. متبلور شدن قوانین فازی بر مبنای دو معیار زیر می باشد که به نام معیارهای فاصله ای و تاثیر قوانین جدید اضافه شده (نیاز به دانلود ترجمه) می باشد.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



66



که در این فرمول (نیاز به دانلود ترجمه) به عنوان بزرگترین و کوچکترین حد مشخص شده بوده، (نیاز به دانلود ترجمه) به عنوان ثلبت مشخصمی باشد.معادله نشان می دهد که در اصل، بیشترین حد در بخش های ورودی امکان ایجاد قوانین فازی را به منظور تشخیص سیستم ایجاد کرده و سپس به طور تعریفی به کمترین حد خود می رسد که در نهای این امکان ایجاد می شود قوانین فازی تحت تاثیر سیستم قرار گیرند.



2.2 اختصاص پارامترهای پیشین و متعاقب آن.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



2.2.3در اصلاح پارامترها، SAFIS از استراتژی مشابه مورد استفاده توسط هانگ و همکارانش استفاده می کند.مفهوم کلیدی این استراتژی این می باشد که تنها پارامترهای مربوط به قوانین انتخاب شده توسط الگوریتم ekf در هر مرحله مورد استفاده قرار می گیرند. این قوانین به گونه ای تعریف می گردند که نزدیک به داده های موجود می باشند.در نتیجه ، در SAFIS محاسبات سریعی انجام می گیرد. بردارهای پارامتر موجود در تمام قوانین فازی به صورت زیر داده می شود



به ترتیبی که (نیاز به دانلود ترجمه) به عنوان بردار حامل پارامتر نزدیک به سیستم فازی بوده و شیب آن به صورت زیر محاسبه می شود.



بعد از بدست آمدن شیب بردار نزدیک ترین قانون فازی، که برابر با (نیاز به دانلود ترجمه) می باشد،EKF، به ره روز کردن پارامترهایش به صورت زیر می پردازد:



به ترتیبی که q به عنوان مقیاسی می باشد که به تعیین مراحل مشخص در مسیر شیب بردار پرداخته، z به عنوان ابعاد پارامتر مشخص شده می باشد. وقتی که قوانین جدید اضافه می گردد، ابعاد (نیاز به دانلود ترجمه) به ترتیب زیر افزایش می یابد.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



67



حذف قوانین فازی



اگر تاثیر قانون k پایین تر از حد مشخص شده ای باشد، قانون k نسبت به خروجی ها دارای اهمیت کمتری بوده و حذف خواهد شد.حد آستانه (نیاز به دانلود ترجمه) به عنوان یک اولویت در نظر گرفته می شود.با مد نظر قرار دادن حد آستانه ، قانون k کنار می رود اگر



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



در چنین مواردی، ما نیاز به تطبیق پارامترها بدون تطبیق ارامترهای قوانین دیگر با وارد شدن بخش های جدید داشته و و نیازی هم نیست تا قوانی جدید اضافه شوند. در عین حال، تمام این قوانین برای تنظیمات احتمالی نیاز به بررسی مجدد ندارند. اگر مشاهدات جدید انجام شده و معیارهای مشخص شده نمود پیدا کنند، قوانین جدید اضافه می گردند. قوانین موجود تاثیر خود را نگه می دارند زیرا پارامترهای آن ها بعد از آموزش مراحل جدید بدون تغییر باقی می ماند.به همین ترتیب قوانین اضافه شده جدید مد نظر قرار گرفته و بنابراین بعد از وارد شدن قوانین جدید نیازی به بررسی فرایند تنظیم نمی باشد. اگر پارامترهای مشخص شده بعد ا انجام مشاهدات جدید مد نظر قرار نگرفت، قوانین جدید نیز اضافه نشده و تنها پارامترهای مورد نظر اصلاح می گردند. به این ترتیب تنها قوانین خاصی نیاز به اصلاح دارند.



الگوریتم SAFIS به صورت زیر خلاصه می گردد. با مد نظر قرر دادن حد آستانه (نیاز به دانلود ترجمه) در ارتباط با هر یک از مشاهدات ، که (نیاز به دانلود ترجمه) و (نیاز به دانلود ترجمه)



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



به ترتیبی که (نیاز به دانلود ترجمه) به صورت تعداد مورد نظر قوانی فازی بوده.



2) به محاسبه پارامترهای مورد نظر در معیار زیر می پردازیم:

3) معیارها را برای اضافه کردن قوانین مد نظر قرار دهید:



اختصاص قوانین جدید (نیاز به دانلود ترجمه) با



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



68



جدول 1



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



جدول 2



تاثیر پارامتر (نیاز به دانلود ترجمه) بر روی عملکرد سیستمی(تعدا قوانین و تست خطاهای RMS) تحت مقادیر متفاوت مقادیر K و



به بررسی معیارها برای تنظیم قوانین بپردازید:

حذف قانون



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



2.3 انتخاب پارامترهای از پیش تعریف شده



در SAFIS بعضی از پارامترها می بایست از قبل بر مبنای مد نظر قرار دادن مشکلات مورد ارزیابی قرار گیرند. آن ها شامل حد آستانه ، فاکتور همپوشانی شده (نیاز به دانلود ترجمه) برای تعیین عمق قانون اضافه شده جدید، حدآستانه (نیاز به دانلود ترجمه) برای قوانین جدید و حد آستانه تنظیم شده برای کنار گذاشتن قوانین غیر ضروری می باشد. رویکرد کلی برای پارامترهای از پیش تعریف شده به صورت زیر داده می شود: (نیاز به دانلود ترجمه) نزدیک به متغیرهای داده های ورودی می باشد؛ (نیاز به دانلود ترجمه) نزدیک به 10% (نیاز به دانلود ترجمه) است؛ (نیاز به دانلود ترجمه) نزدیک به (نیاز به دانلود ترجمه) می باشد. (نیاز به دانلود ترجمه) نزدیک به حدود 10% از (نیاز به دانلود ترجمه) می باشد. فاکتور همپوشانی شده K، به گونه ای مد نظر قرار می گیرد تا مسیر قوانین جدید را مد نظر قرار داده و بر طبق به موارد مختلفی مد نظر قرار می گیرد. K در محدوده انتخابی (نیاز به دانلود ترجمه) قرار می گیرد. حد آستانه (نیاز به دانلود ترجمه) بر طبق به عملکرد سیستم انتخاب می شود. هر چه (نیاز به دانلود ترجمه) کوچکتر باشد، عملکرد سیستمی بهتر می باشد، اما ساختار سیستم مورد نظر پیچیده تر خواهد بود.



نمونه ای در این زمینه داده می شود تا به توصیف تاثیر پارامترهای (نیاز به دانلود ترجمه) بر روی ساختار سیستم و عملکرد بپردازد. تابع دو بعدی زیر را مد نظر قرار دهید:



در فرایند مشابه، 2500 جفت از داده های (نیاز به دانلود ترجمه) از مجموعه داده های ورودی (نیاز به دانلود ترجمه) مد نظر قرار می گیرند. در عین حال، 100 جفت از داده های تست شده (نیاز به دانلود ترجمه) از مجموعه داده های ورودی محاسبه می گردند.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.


 برچسب ها: 

ISI

Paper

Papers

Article

GAP–RBF

Articles

GGAP–RBF

مقاله ISI

دانلود ISI

ترجمه مقاله

دریافت مقاله

ISI کامپیوتر

مقاله انگلیسی

Persian Paper

خرید ترجمه ISI

ترجمه مقاله ISI

Persian Article

دانلود مقاله ISI

مقاله رایگان ISI

خرید ترجمه مقاله

دانلود ترجمه ISI

دانلود مقاله جدید

مقالات رایگان ISI

دریافت مقالات ISI

تاثیر قوانین فازی

مقاله ISI با ترجمه

مقاله انگلیسی جدید

خرید ترجمه انگلیسی

فروش ترجمه انگلیسی

مقاله ISI کامپیوتر

دانلود مقاله انگیسی

ترجمه مقاله انگلیسی

دانلود ISI کامپیوتر

مقالات معتبر انگلیسی

ترجمه مقالات انگلیسی

دریافت مقاله انگلیسی

ترجمه مقاله کامپیوتر

دانلود مقاله جدید ISI

دریافت مقاله کامپیوتر

مقاله انگلیسی با ترجمه

مقاله انگلیسی کامپیوتر

Extended Kalman filter

دانلود رایگان مقاله ISI

خرید ترجمه ISI کامپیوتر

Translate English Paper

فبلتر توسعه یافته کالمن

دانلود مقالات رایگان ISI

ترجمه مقاله ISI کامپیوتر

دانلود مقاله ISI با ترجمه

دانلود مقاله انگلیسی جدید

دریافت مقاله انگلیسی جدید

دانلود مقاله ISI کامپیوتر

مقاله رایگان ISI کامپیوتر

خرید ترجمه مقاله کامپیوتر

دانلود ترجمه ISI کامپیوتر

Translate English Article

ترجمه مقالات معتبر انگلیسی

دانلود مقاله جدید کامپیوتر

مقالات رایگان ISI کامپیوتر

دریافت مقالات ISI کامپیوتر

Translate Paper in English

دانلود مقاله انگلیسی رایگان

دانلود رایگان مقاله انگلیسی

دانلود مقاله انگلیسی رایگان

دریافت مقاله انگلیسی رایگان

مقاله ISI با ترجمه کامپیوتر

مقاله انگلیسی جدید کامپیوتر

خرید ترجمه انگلیسی کامپیوتر

فروش ترجمه انگلیسی کامپیوتر

“Influence” of a fuzzy rule

دانلود مقاله انگیسی کامپیوتر

ترجمه مقاله انگلیسی کامپیوتر

Translate Article in English

دانلود مقاله انگلیسی با ترجمه

دریافت مقاله انگلیسی با ترجمه

مقالات معتبر انگلیسی کامپیوتر

ترجمه مقالات انگلیسی کامپیوتر

دریافت مقاله انگلیسی کامپیوتر

دانلود مقاله جدید ISI کامپیوتر

مقاله انگلیسی با ترجمه کامپیوتر

Translation of Paper in English

دانلود رایگان مقاله ISI کامپیوتر

دانلود مقالات رایگان ISI کامپیوتر

Translation of Article in English

دانلود مقاله ISI با ترجمه کامپیوتر

دانلود مقاله انگلیسی جدید کامپیوتر

دریافت مقاله انگلیسی جدید کامپیوتر

ترجمه مقالات معتبر انگلیسی کامپیوتر

دانلود مقاله انگلیسی رایگان کامپیوتر

دانلود رایگان مقاله انگلیسی کامپیوتر

دانلود مقاله انگلیسی رایگان کامپیوتر

دریافت مقاله انگلیسی رایگان کامپیوتر

دانلود مقاله انگلیسی با ترجمه کامپیوتر

دریافت مقاله انگلیسی با ترجمه کامپیوتر

سیستم استنتاج فازی تطبیقی زنجیره ای(SAFIS)

Sequential adaptive fuzzy inference system (SAFIS)

ناحیه کاربری

فرمت ایمیل صحیح نمی باشد. ایمیل خود را وارد نمایید.

رمز عبور خود را وارد نمایید.

گزیده ها
گزیده های پر بیننده ترین اخبار روز و هفته
گزیده های وبگردی و اخبار جذاب
گزیده های وبگردی و اخبار جذاب
گزیده های پر بیننده ترین اخبار روز و هفته
مجله اینترنتی دیتاسرا
کلیه حقوق مادی و معنوی این وبسایت متعلق به گروه نرم افزاری دیتاسرا می باشد.
Copyright © 2015