فهرست مقالات Nonparametric Fuzzy Regression

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - برآورد پارامترهای فازی از طریق شبکه‌های عصبی فازی با استفاده از داده‌های ذوزنقه‌ای
  راضیه نادرخانی محمد حسن بهزادی طاهره رزاق نیا رحمان فرنوش
  رگرسیون فازی یک مدل رگرسیونی تعمیم یافته است که نشان دهنده ارتباط متغیرهای مستقل و وابسته در محیط فازی می‌باشد. تجزیه و تحلیل رگرسیون خطی فازی تعمیم مدل‌های رگرسیونی است که با استفاده از تمامی داده‌ها بر اساس یک معیار خاص مناسب می‌باشد. در این مقاله یک سیستم استنتاج فاز چکیده کامل

  رگرسیون فازی یک مدل رگرسیونی تعمیم یافته است که نشان دهنده ارتباط متغیرهای مستقل و وابسته در محیط فازی می‌باشد. تجزیه و تحلیل رگرسیون خطی فازی تعمیم مدل‌های رگرسیونی است که با استفاده از تمامی داده‌ها بر اساس یک معیار خاص مناسب می‌باشد. در این مقاله یک سیستم استنتاج فازی عصبی تطبیقی (انفیس)برای تجزیه و تحلیل و پیش بینی یک تابع رگرسیون فازی غیر پارامتری با ورودی‌های غیر فازی و خروجی‌های فازی ذوزنقه‌ای متقارن استفاده می‌شود. بدین منظور، یک الگوریتم جدید هیبریدی پیشنهاد می‌شود که در آن حداقل مربعات فازی و برنامه‌نویسی خطی برای بهینه‌سازی وزن‌های ثانویه مورد استفاده قرار می‌گیرند. الگوریتم‌ها به روش اعتبارسنجی چند لایه برای تأیید اعتبار مدل ها اعمال میشود. به طور دقیق‌تر، دقت الگوریتم‌ها با شبیه‌سازی ها به طورکامل تایید می‌شود. در نهایت برای بررسی کارایی مدل از دو مثال شبیه سازی استفاده شده است که در آن، داده ها به صورت اعداد ذوزنقه ای تعریف شده اند و با آموزش آنها و مشخص کردن تعداد قوانین استفاده شده، پارامترهای مجهول برآورد شده اند. پرونده مقاله