Recognition of Control Chart Patterns Using Adaptive Neuro-Fuzzy Inference System and selected features
محل انتشار: کنفرانس بین المللی مدل سازی غیر خطی و بهینه سازی
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 971
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICNMO01_151
تاریخ نمایه سازی: 19 اسفند 1391
چکیده مقاله:
Unnatural patterns in the control charts can be associated with a specific set of assignable causes for process variation. Hence pattern recognition is very useful in identifying process problem. This paper presents a novel hybrid intelligent method for recognition of common types of control chartpatterns (CCP). The proposed method includes three main modules: a feature extraction module, a classifier module and an optimization module. In the feature extraction module, a proper set of the shape and statistical features are proposed as the efficient characteristic of the patterns. In the classifiermodule adaptive neuro-fuzzy inference system (ANFIS) is proposed that is a hybrid combination of artificial neuralnetworks (ANN) and fuzzy inference system (FIS). In ANFIS training, the vector of radius has very important role for its recognition accuracy. Therefore, in the optimization module,bees algorithm (BA) is proposed for finding optimum vector of radius. Simulation results show that the proposed system has high recognition accuracy.
کلیدواژه ها:
نویسندگان
Jalil Addeh
Babol University of Technology
Ata Ebrahimzadeh
Babol University of Technology, Iran
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 :