بهینه سازی الگوریتم LOLIMOT با استفاده از مدل های غیر خطی محلی

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:

درخت مدل خطی-محلی ، الگوریتم ، LOLIMOT ، مدل غیرخطی محلی ، شبکه عصبی فازی