جستجو در مقالات منتشر شده
۱ نتیجه برای نریمان‌‌زاده
حامد پورهاشم، علی جمالی، نادر نریمان‌‌زاده،
دوره ۱۹، شماره ۲ - ( بهمن ۱۳۹۷ )
چکیده
شبکه‌های فازی- عصبی به‌دلیل کاربرد گسترده‌ای که در مدل‌سازی فرآیندهای پیچیده براساس داده‌های آزمایشگاهی دارند مورد توجه محققین قرار گرفته‌اند. در سیسم استنتاج فازی- عصبی هدف کاهش خطای پیش‌بینی سیستم نسبت به داده‌های اصلی است. تنظیم پارامترهای شبکه فازی- عصبی از اهمیت بسیار بالایی برخوردار است و بر عملکرد آن تاثیرگذار می‌گذارد. برای این منظور الگوریتم بهینه‌سازی جدیدی مبتنی‌بر ترکیب دو روش بهینه‌سازی تکامل تفاضلی و تجمعی ذره ارایه شده است. در این الگوریتم ضرایب سرعت عملگرها با استفاده از منطق فازی به‌صورت دینامیکی محاسبه می‌شوند. این ضرایب با توجه به شماره نسل و واریانس ذرات تنظیم می‌شوند. در الگوریتم پیشنهادی سعی شده است که در محل‌های کم‌جمعیت‌تر فضای جست‌وجو بیشتر کاوش شود و از گیرافتادن الگوریتم در نقاط بهینه محلی جلوگیری شود. در ادامه با بهینه‌سازی سه تابع معیار نتایج حاصل از الگوریتم تکامل تفاضلی و تجمعی ذرات و روش پیشنهادی با هم مقایسه می‌شوند و عملکرد قابل قبول الگوریتم ارایه شده، قابل لمس است. در انتها شبکه فازی- عصبی برای پیش‌بینی سری زمانی تابع مکی- گلاس تعریف شده است که با استفاده از الگوریتم ارایه‌شده و الگوریتم‌های تکامل تفاضلی و تجمعی ذره، توابع تعلق مربوط به ورودی و خروجی شبکه فازی- عصبی به‌صورت دوهدفه بهینه می‌شوند و نمودار پارتو به‌دست‌آمده از این روش‌ها با هم مقایسه می‌شوند که نشان‌دهنده عملکرد بهتر الگوریتم پیشنهادی است.
