مباني نظري و رياضي منطق فازی
روش هاي سنتي طراحي شبكه هاي عصبي علاوه بر زمانبر بودن، تضميني براي توليد شبكه عصبي بهينه نيز ارائه نميكنند. بنابراين روش هاي خودكار طراحي شبكه هاي عصبي اهميت و محبوبيت بيشتري پيدا كرده اند. بعلاوه شبكه هاي عصبي غير پيمان هاي در مسايلي كه دسته هاي نمونه ها داراي همپوشاني زيادي هستند نميتوانند بطور بهينه عمل نمايند. در حاليكه شبكه هاي عصبي پيمانه اي با استفاده از روش تقسيم و غلبه اين مشكل را حل ميكنند. ما در اين مقاله قصد داريم تا روشي متفاوت براي طراحي خودكار شبكه هاي عصبي پيمانه اي ارائه دهيم. در اين روش از برنامه نويسي ژنتيك براي بدست آوردن خودكار معماري، توابع انتقال و وزنهاي اتصالات استفاده شده است. اين روش داراي مزاياي زيادي در مقايسه با ساير روشهاي موجود ميباشد كه از مهمترين آنها مي توان به برتري شبكه هاي كوچك بر شبكه هاي بزرگ، استفاده از توابع انتقال متفاوت حتي براي نورونهاي موجود در يك لايه از شبكه عصبي، و عدم نياز به تبديل تمام اعضاي جمعيت به شبكه عصبي جهت ارزيابي آنها اشاره كرد. آزمايشات متفاوتي بر روي تعدادي مجموعه داده معتبر انجام گرفته است. نتايج بدست آمده نشان مي دهد كه استفاده از برنامه نويسي ژنتيك براي طراحي خودكار شبكه هاي عصبي روشي مناسب بوده كه با ساير روشهاي موجود قابل رقابت و حتي در بعضي از شرايط بهتر نيز عمل ميكند.