پیش بینی اطلاعات سری زمانی با شبکه عصبی فازی بازگشتی به کمکآموزش ترکیبی گرادیان نزولی وPSO

در این مقاله، روشی برای حل مسئله پیش بینی اطلاعات سری زمانی، با استفاده از شبکه عصبی فازی بازگشتی به عنوان یک پیش بینی کننده غیر خطی قدرتمند پیشنهاد شده است. جهت آموزش شبکه، نخست قسمت تالی با استفاده از روش گرادیان نزولی و بعد از آن، قسمت مقدمه با استفاده از یک روش بهینه سازی مبتنی برPSOآموزش داده شده اند. علت اصلی بکارگیری روش آموزش ترکیبی مطرح شده، کاهش پیچیدگی محاسباتی عملیات آموزش در بخش مقدمه، در مقایسه با سایر روش های موجود می باشد. نظر به اینکه ساختارهای غیر بازگشتی برای پیش بینی اطلاعات سری زمانی مناسب نمی باشند، ساختار شبکه عصبی فازی بکار گرفته شده که بر اساس مدل فازیTSKاست، ترکیبی از خصوصیات هر دو شبکه عصبی برگشتی المن و جردن را دارا می باشد. نتایج به دست آمده نشان می دهند که شبکه عصبی فازی بازگشتی ترکیبی استفاده شده، نسبت به شبکه های عصبی فازی بازگشتی مبتنی بر شبکه عصبی المن و شبکه های عصبی فازی بازگشتی مبتنی بر شبکه عصبی جردن از کارآیی بیشتری برخوردار می باشد. بهترین میانگین از میانگین مربعات خطای خروجی برای پنج اجرای مستقل روی داده های یکسان0/0109می باشد.

کلیدواژه ها:

شبکه عصبی برگشتی ، شبکه عصبی فازی بازگشتی ، گرادیان نزولی و آموزش ترکیبی