بهینه سازی الگوریتم LOLIMOT با استفاده از مدل های غیر خطی محلی
محل انتشار: سیزدهمین کنفرانس سالانه انجمن کامپیوتر ایران
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,786
فایل این مقاله در 5 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:
ACCSI13_249
تاریخ نمایه سازی: 25 آبان 1386
چکیده مقاله:
درخت مدل خطی محلی یاLOLIMOT که در ان از نوعی از مدل فازی عصبی خطی محلی استفاده شده است، الگوریتمی بر اساس استراتژی تقسیم و حل باشد که در آن حل مسئله پیچیده از
طریق تقسیم مسئله به تعدادی زیر مسئلة کوچک تر (و از این رو ساده تر) صورت می پذیرد[ 1]. بنابراین مشخصات این مدل های فازی - عصبی (زیر مسئله های کوچک تر شده) به مقدار زیادی، به ساختار الگوریتم بکار برده شده جهت تقسیم بندی، وابسته می باشد . الگوریتمLOLIMOTبرای رسیدن به خروجی بهتر (خروجی با خطای کمتر ) فضای مسئله را به تعدادی مدل خطی محلی یاLLM تقسیم می نماید و پس از پیدا کردن بدترینLLM) LLM با خطای بیشتر) با تقسیم آن به دو،LLM الگوریتم را ادامه می دهد. در این مقاله سعی شده با ارائه روشی برای استفاده از مدل های غیرخطی محلی بجای استفاده از مدل های خطی محلی، با تعداد مدل های کمتری به خطای مطلوب تری دست یابیم. در پایان الگوریتم بهینه شده توانست با قدرت انعطاف زیاد، به خوبی به این مهم دست یابد.
کلیدواژه ها:
نویسندگان
سهیل فاطری
دانشگاه آزاد اسلامی واحد بابل
محمد تشنه لب
دانشگاه صنعتی خواجه نصیرالدین طوسی
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 :