ترکیب الگوریتم ژنتیک نخبه گرا و شبیه سازی تبرید برای یادگیری نقشه های شناختی فازی خاکستری
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,428
فایل این مقاله در 6 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:
FNCEITPNU01_085
تاریخ نمایه سازی: 17 اسفند 1393
چکیده مقاله:
در این مقاله، پیش بینی و دسته بندی داده های حقیقی و متغیر با زمان، مورد بررسی قرار گرفته است. برای این منظور از نقشه های شناختی فازی خاکستری (FGCM) استفاده شده است. این نقشه ها مدل های پیش بینی کننده غیر خطی هستند که در پیش بینی مسایل سیاسی، اجتماعی و پزشکی کاربرد فراوانی دارند.روش های پیشین ارایه شده برای یادگیری (FGCM)هابسیار مفیداند اما دقت پیش بینی آن ها با افزایش مجموعه تست همواره کاهش می یابد و این برای پیش بینی آینده های دور بسیار ناخوشایند است. در این مقاله از ترکیب الگوریتم تکاملی ژنتیک نخبه گرا و شبیه سازی تبرید برای یادگیری FGCMها استفاده شده است.آزمایش ها بر روی داده های هواشناسی واقعی هستند. نتایج آزمایشگاهی نشان می دهد علاوه بر افزایش دقت پیش بینی، با افزایش مجموعه-تست، دقت لزوما کاهش نمی یابد لذا این روش برای پیش بینی آینده های دور، مناسب تر است
کلیدواژه ها:
نویسندگان
مجتبی پورمحقق
عضو هیئت علمی، پیام نور مشهد
شبنم شیرزادگان
دانشجو کارشناسی ارشد، دانشگاه آزاد اسلامی واحد مشهد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :