تقریب توابع با استفاده از الگوریتم خودتنظیم بهینه سازی ازدحام ذرات مبتنی بر شبکه های عصبی فازی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,283

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COMCONF01_533

تاریخ نمایه سازی: 8 آذر 1394

چکیده مقاله:

تقریب توابع ریاضی و سریهای زمانی از گذشته ی دور تا امروز یکی از مسائل اساسی در حوزه محاسبات علمی بوده است.در گذشته برای تقریب توابع و سریهای زمانی از روشهایی با بار محاسباتی سنگین استفاده می شد، برخی ازین روشهامانند روش سریهای فوریه در توابعی با ابعاد پائین روش مناسبی بودند اما در توابع با ابعاد بالا به زمان زیادی احتیاج داشتند. روشهای تکاملی، روشهای مبتنی بر شبکه های عصبی و روشهای فازی، مهمترین و جدیدترین راهکارهای اینحوزه هستند. هریک از این سه روش دارای معایبی هستند که در این مقاله شرح داده خواهد شد. در این مقاله قصد داریماز ترکیب این سه روش، راهکار نوینی برای مساله تقریب توابع بدست آوریم. روش معرفی شده در این مقاله، با استفاده از ترکیب یک ساختار عصبی فازی ، به همراه الگوریتم بهینه سازی ازدحام ذرات، برای حل مساله تقریب توابع راهکار -مناسبی ارائه میدهد. ساختار های عصبی فازی دارای مزایای سیستمهای فازی نظیر استفاده از دانش بشری و درک انسان - است، که این روش مشکلات شبکه های عصبی را تا حد زیادی برطرف کرده است. مهمترین مزیت این روش کاهش تعداد نرون ها و همچنین کاهش زمان فرآیند آموزش شبکه های عصبی است. هدف از معرفی این روش ترکیبی کاهش تعدادنرون های مدل پایه و رسیدن به پاسخ نهائی در زمان مطلوب است. نتایج حاصل از این ارزیابی با چهار تابع محک ارائه شده است.

نویسندگان

حمیدرضا کیخا

دانشجوی کارشناسی ارشد، دانشکده ریاضی و علوم کامپیوتر، دانشگاه سیستان و بلوچستان

حسن رضایی

عضو هیئت علمی دانشکده ریاضی و علوم کامپیوتر، دانشگاه سیستان و بلوچستان

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 :
  • کیخا، حمیدرضا، حسن رضایی، 1393، حل مسائل بهینه سازی مقیاس ...
  • کشاورز امامی.، ر، لوکس، ک، توسعه‌الگوریتم درخت مدل خطی محلی ...
  • A. Banks, J. Vincent, _ Anyakoha, A review of particle ...
  • optimization and indicative applications, Nat. Comput. 7 (2008). ...
  • Z. Beheshti, S.M. Hj Shamsuddin, CAPSO: centripetal accelerated particle SWarm ...
  • M.R. Tanweera, N. Sundararajan, Self regulating particle SWarm optimization algorithm, ...
  • Haupt, R. L., Haupt, S. E., Practical Genetic Algorithm, Second ...
  • Kennedy, J. and R.C. Eberhart, Swarm Intelligence, Kaufmann, United States ...
  • نمایش کامل مراجع