بهینه سازی سیستم خبره فازی نامطمئن با استفاده از درون یابی قوانین

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 672

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

SPIS01_027

تاریخ نمایه سازی: 8 آبان 1395

چکیده مقاله:

امروزه سیستم های خبره مبتنی بر قوانین، در جهات مختلفی کاربرد دارند. در سیستم های خبره فازی از قوانین جهت استنتاج فازی استفاده می شود. این سیستم ها از لحاظ دارا بودن تعداد مناسبی از قوانین و پوشش کامل حالات مختلف سیستم به دو دسته مطمئن و نامطمئن تقسیم می شوند. یک سیستم مطمئن با داشتن قوانین لازم و کافی می تواند کلیه داده های ورودی را پوشش داده و به ازای هر ورودی، حداقل یک قانون را فعال نماید. در سیستم نامطمئن حداقل یک ورودی وجود دارد که به ازای آن، هیچ قانونی برای استنتاج و ارائه خروجی وجود ندارد. در این پژوهش ما کمبود قوانین را مورد بررسی قرار می دهیم. به این منظور ابتدا عدم وجود قوانین در سیستم را تشخیص داده و سپس قانون جا افتاده را به سیستم تزریق می نماییم. با استفاده از درون یابی قوانین فازی به روشمحاسبه کمترین مربعات خطا، سعی می کنیم بهترین قانون نامزد را جایگزین قانون جا افتاده نماییم. در ادامه روش پیشنهادی را با برخی روش های موجوددرون یابی قوانین فازی مقایسه خواهیم نمود.

کلیدواژه ها:

درون یابی قوانین فازی ، استخراج قانون جا افتاده ، سیستم های خبره فازی

نویسندگان

علیرضا ریاضتی کشه

کارشناسی ارشد هوش مصنوعی، مهندسی کامپیوتر دانشکده مجازی دانشگاه شاهرود

هدی مشایخی

دکترای تخصصی کامپیوتر، هیئت علمی مهندسی کامپیوتر و فناوری اطلاعات دانشگاه شاهرود

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 :
  • زاهدی. مرتضی. تئوری مجموعه های فازی وکاربردهای آن، ویرایش اول، ...
  • Joseph C. Giarratano, G. D., Expert Systems_ Principles and Programming ...
  • conservation of relative fuzziness (CRF). Technical Report TR 97/2. Hirota ...
  • Tikk, D., Notes on the approximation rate of fuzzy KH ...
  • Johanyak, Z., Fuzzy Rule Interpolation based on Subsethood Values (FRISUV). ...
  • doi:10.1 1 09/IC SMC.201 0.5641956 ...
  • Techniques. IEEE Transactions o Fuzzy Systems, 16, 2011. SHYI-MING CHEN*, ...
  • Kizlemenyei, Kecskemet, XXI(ISSN 0230-6182), 109-1 14, 2008. ...
  • Informatics, Eds: R.E. Precup, S. Kovacs, S. Preitl and E.M ...
  • Zoltan Krizsan, S. K., Native Developer Toolbox Library for Sparse ...
  • نمایش کامل مراجع