ارائه اپراتور جدید جایگزین پخش قطره جوهر در روش یادگیری فعال

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 78

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_TJEE-49-3_009

تاریخ نمایه سازی: 27 تیر 1402

چکیده مقاله:

روش یادگیری فعال یکی از روش های یادگیری فازی است که  الگو­گرفته از پردازش در مغز انسان است. اپراتور پخش قطره جوهر، موتور اصلی پردازشی در این روش است که به دور از فرمول­های پیچیده، به­دنبال یافتن رابطه بین خروجی و هر یک از ورودی ها است. زیاد­بودن حافظه مورد نیاز برای پیاده سازی صفحات پخش قطره جوهر و همچنین حجم محاسبات زیاد لازم برای استخراج ویژگی ها از جمله مشکلات پیش روی اپراتور پخش قطره جوهر است. در این مقاله یک روش جایگزین برای اپراتور پخش قطره جوهر ارائه شده است که سبب کاهش چشم گیر پیچیدگی محاسباتی می شود. الگوریتم ارائه­شده با استفاده از دو بردار حافظه به توصیف صفحات پخش جوهر می پردازد که مشکل اتلاف زیاد حافظه را حل می کند. الگوریتم پیشنهادی، ویژگی های مسیر باریک و پراکندگی داده در صفحات پخش قطره جوهر را که مهم ترین مفاهیم برای استفاده در مرحله استنتاج الگوریتم یادگیری فعال هستند را با صرف کمترین هزینه و زمان محاسباتی می یابد. برای بررسی صحت عملکرد الگوریتم، شبیه سازی هایی بر روی مجموعه داده های استاندارد در حوزه مدل سازی و طبقه بندی ارائه شده است. زمان و دقت  الگوریتم پیشنهادی با روش یادگیری فعال، شبکه های عصبی چندلایه پرسپترون و سیستم استنتاج عصبی-فازی تطبیق پذیر مقایسه شده است.

کلیدواژه ها:

شبیه سازی یادگیری مغز ، روش یادگیری فعال ، اپراتور پخش قطره جوهر ، سیستم استنتاج فازی ، طبقه بندی الگوها

نویسندگان

سجاد حق زاد کلیدبری

دانشکده مهندسی برق - دانشگاه صنعتی شریف

سعید باقری شورکی

دانشکده مهندسی برق - دانشگاه صنعتی شریف

ایمان اسمعیلی پایین افراکتی

دانشکده فنی و مهندسی - دانشگاه مازندران

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 :
  • L. A. Zadeh, Fuzzy sets, Information and control, vol. ۸, ...
  • Tanaka, K. and H.O. Wang, Fuzzy control systems design and ...
  • پوریا جعفری، محمد تشنه لب، مهسان توکلی کاخکی، "طراحی کنترل ...
  • Mamdani, E.H., Application of fuzzy algorithms for control of simple ...
  • Takagi, T. and M. Sugeno, Fuzzy identification of systems and ...
  • Terano, T., K. Asai, and M. Sugeno, Applied fuzzy systems, ...
  • ندا خانبانی، امیر مسعود افتخاری مقدم، "ارائه یک روش تشخیص ...
  • سمیرا رفیعی، پرهام مرادی، "بهبود عملکرد الگوریتم خوشه بندی فازی ...
  • Bezdek, J.C., Fuzzy mathematics in pattern classification, ۱۹۷۳ ...
  • Del Campo, I., et al, Efficient hardware/software implementation of an ...
  • Himavathi, S., D. Anitha, and A. Muthuramalingam, Feedforward neural network ...
  • Soudry, D., et al., Memristor-based multilayer neural networks with online ...
  • Ortega-Zamorano, F., et al., Efficient implementation of the backpropagation algorithm ...
  • Shouraki, S.B., A novel fuzzy approach to modeling and control ...
  • Sugeno, M. and T. Yasukawa, A fuzzy-logic-based approach to qualitative ...
  • Murakami, M. and N. Honda, A study on the modeling ...
  • Sakurai, Y., A study of the learning control method using ...
  • Shouraki, S.B. and N. Honda. Fuzzy controller design by an ...
  • Ghorbani, M.J., M.A. Choudhry, and A. Feliachi. Distributed multi-agent based ...
  • MURAKAMI, M., Practicality of modeling systems using the IDS method: ...
  • Firouzi, M., S.B. Shouraki, and J. Conradt. Sensorimotor Control Learning ...
  • Cranganu, C. and F. Bahrpeyma, Use of active learning method ...
  • Bahrpeyma, F., C. Cranganu, and B.Z. Dadaneh, Active learning method ...
  • Merrikh-Bayat, F., F. Merrikh-Bayat, and S.B. Shouraki, The neuro-fuzzy computing ...
  • Bahrpeyma, F., A. Zakerolhoseini, and H. Haghighi, Using IDS fitted ...
  • Klidbary, S.H., et al. Outlier Robust Fuzzy Active Learning Method ...
  • Shouraki, S.B., N. Honda, and G. Yuasa, Fuzzy interpretation of ...
  • Firouzi, M., S.B. Shouraki, and I.E.P. Afrakoti, Pattern analysis by ...
  • Javadian, M., S.B. Shouraki, and S.S. Kourabbaslou, A novel density-based ...
  • Afrakoti, I.E.P., S.B. Shouraki, and B. Haghighat, An Optimal Hardware ...
  • Shouraki, S.B. and N. Honda, Recursive Fuzzy Modeling Based on ...
  • Firouzi, M. and S.B. Shouraki, Performance Evaluation of Active Learning ...
  • Bishop, C.M., Pattern recognition, Machine Learning, ۱۲۸, ۲۰۰۶ ...
  • Rini, D.P., S.M. Shamsuddin, and S.S. Yuhaniz, Particle swarm optimization ...
  • B. Gliwa, and A. Byrski, Hybrid neuro-fuzzy classifier based on ...
  • I. E. P. Afrakoti, et al., Using a memristor crossbar ...
  • نمایش کامل مراجع