|
انواع شبكه عصبي فازي و نوروفازي:
نحوه ارتباط بين منطق فازي و شبكه عصبي باعث بوجود آمدن انواع مختلفي از سيستم‌ها شده است. بسياري بر اين باورند كه اطلاق كلمه نوروفازي به تمامي اين تركيبات، درست نمي‌باشد؛ چراكه برخي از اين تركيبات ارتباطي تكميلي با يكديگر داشته و به جاي هر يك از اين اجزاء مي‌توان سيستمهاي ديگري مانند درخت تصميم، الگوريتم تكاملي و از اين دست را جايگزين نمود. به عبارتي اختصار نوروفازي به سيستم تركيبي حاصل از شبكه عصبي و سيستم استنتاجي فازي گفته شده كه در آن شبكه عصبي به عنوان تعين كننده پارامترهاي سيستم فازي مورد استفاده قرار مي‌گيرد. منظور از تعيين پارامترهاي سيستم فازي توسط شبكه عصبي، تعيين اتوماتيك پارامترهاي فازي مانند قوانين فازي و يا توابع عضويت مجموعه‌هاي فازي است. در مقابل نوروفازي، شبكه عصبي فازي قرار دارد كه در آن از منطق فازي براي بهبود عملكرد شبكه عصبي استفاده مي‌شود. در اين شبكه منطق فازي فرع بوده و تنها براي بهبود شرايط شبكه عصبي و يا اضافه نمودن مفهوم عدم قطعيت به شبكه مورد استفاده قرار مي‌گيرد. تقسيم‌بندي زير نحوه ارتباط بين منطق فازي و شبكه عصبي را با توجه به اين ديدگاه بيان مي‌نمايد. · Fuzzy Neural Network: منطق فازي براي بهبود كارايي شبكه و يا افزايش توان يادگيري شبكه عصبي مورد استفاده قرار مي‌گيرد. در اين شبكه‌ها افزودن قوانين فازي براي تغيير نرخ يادگيري و يا تغيير ورودي/ خروجي شبكه از حالت غيرفازي به فازي است. نمونه‌هايي از اين دسته عبارتند از:FNN، FHSNN و GFNN. · Concurrent Neuro-Fuzzy Models: شبكه عصبي و سيتم فازي بر روي يك كار واحد با يكديگر كار مي‌كنند اما تأثيري بر روي يكديگر ندارند. هيچكدام براي تعيين پارامتر ديگري به كار نمي‌روند. معمولاً در اين مدل، شبكه عصبي براي پيش پردازش ورودي و يا خروجي سيستم فازي به كار مي‌رود. · Cooperative Neuro_Fuzzy Models: شبكه عصبي براي تعيين پارامترهاي سيستم فازي به كار مي‌رود. اين پارامترها شامل قوانين فازي، وزن قوانين و مجموعه‌هاي فازي است. · Neural network-driven fuzzy reasoning systems: برخي اين سيستم‌ها را جزء مدل‌هاي Cooperative مي‌دانند. اين مدل‌ها براي گسترش قوانين فازي مورد استفاده قرار مي‌گيرند. · Hybrid Neuro_Fuzzy Models: شبكه عصبي و سيستم فازي در يك ساختار هماهنگ با يكديگر تركيب مي‌شوند. اين مدل را مي‌توان شبكه عصبي با پارامتر فازي و يا يك سيستم فازي با يادگيري توزيع شده دانست. ANFIS، ANNBFIS، NEFClass و FLEXNFIS نمونه‌هايي از اين مدل مي‌باشند. همان‌گونه كه در تعاريف فوق مشخص است، دودسته عمده از تركيبات شبكه عصبي و منطق فازي شامل شبكه‌هاي عصبي فازي و نوروفازي‌ها هستند. شبكه‌هاي عصبي فازي حاصل تركيب شبكه عصبي و منطق فازي بوده و نوروفازي‌ها حاصل تركيب شبكه عصبي و سيستم فازي مي‌باشند. |
1(ها)ضميمه
نقل قول:
4- مدل سازي بارش - رواناب با استفاده از روش شبكه عصبي فازي تطبيقي و مقايسه آن با روش هاي شبكه عصبي و استنتاج فازي 5- بررسي توانايي سيستم استنتاج فازي-عصبي تطبيقي (anfis) جهت مديريت سيلاب |
سلام
اینجانب هم اکنون مشغول کار روی یک طرح پژوهشی هستم که بخشی از آن پیش بینی یک سری زمانی بی نظم با استفاده از ANFIS در نرم افزارMATLAB 2009 می باشد. متاسفانه به مشکلی برخورد کرده ام: فرض کنید می خواهم n قدم جلوتر را در این سری زمانی پیش بینی کنم. زمانی که برنامه را اجرا میکنم، منحنی ANFISبه اندازه n قدم عقبتر از منحنی اصلی است. یعنی در واقع چنین به نظر می رسد که منحنی پیش بینی شده توسط ANFIS در حال تعقیب منحنی اصلی است و به جای پیش بینی، پس بینی می کند! لازم به ذکر است که این مشکل در شبکه عصبی newfftd دیده می شود.. ممنون خواهم شد اگر مرا راهنمایی کنید. |
اگه میشه لطف کنین مقاله های 4 ، 5 و 7 رو نیز بگذارید
ممنون |
سلام
مقاله انگليسي با عنوان سيستمهاي عصبي ( تبخير وتعرق) مي خوام به همراه ترجمه فارسي ممنون |
2(ها)ضميمه
نقل قول:
5- بررسي توانايي سيستم استنتاج فازي-عصبي تطبيقي (anfis) جهت مديريت سيلاب 7- پیش بینی سريهاي زمانی تک متغیره هیدرولوژیکی با استفاده از سیستم فازي بر پایه شبکه عصبی تطبیقی 4و 7 در ضميمه:15: |
باسلام درمورد کاربرد منطق فازی وکاربرد های ان در ربات های هوشمنداگه اطلاعات داری ممنون میشم
|
سلام. از مطالب خوبتون ممنونم .من می خوام با anfis اشنا بشم وبتونم توی پایان نامه ام ازش استفاده کنم از لطفتون سپاس گذارم
|
با سلام درخواست مقاله سيستم هاي عصبي و فازي را دارم ممنون
|
systeme norofazi
salaam doostan,kasi rajebe systeme norofazi,etelaei dare؟
|
| زمان محلي شما با تنظيم GMT +3.5 هم اکنون ۱۲:۱۵ قبل از ظهر ميباشد. |
Powered by vBulletin® Version 3.8.3
Copyright ©2000 - 2025, Jelsoft Enterprises Ltd.
Search Engine Friendly URLs by vBSEO 3.1.0 ©2007, Crawlability, Inc.