آموزش سيستم فازي سلسله مراتبي با استفاد از الگوريتم فيلتر كالمن توسعه يافته براي شناسايي سيستم غيرخطي و پيش بيني سري زماني

در اين مقاله سيستم فازي سلسه مراتبي و آموزش آن به منظور شناسايي مورد بررسي قرار گرفته است. سيستم هاي فازي سلسله مراتبي براي رفع مشكل افزايش نمايي قوانين فازي با زياد شد ورودي ها مطرح شده اند. به دليل نرخ همگرايي پايين و احتمال قرار گرفتن در كمينه محلي الگوريتم گراديان نزولي، در اين مقاله از الگوريتم فيلتر كالمن توسع يافته براي آموزش پارامترهاي تالي اين سيستم ها استفاده شده است، كه اين امر باعث افزاييش سرعت همگرايي و حل مشكل كمينه محلي مي شود. به منظور ارزيابي قابليت روش پيشنهادي، سيستم هاي فازي سلسله مراتبي در پيش گويي سري زماني Mackey-Glass و شناسايي يك تابع غيرخطي پويا به كار برده شده است. نتايج شبيه سازي ضمن نشان دادن كارايي سيستم هاي سلسله مراتبي، كا داراي قواعد كمتري نسبت به سيستم فازي معمولي هستند. مناسب بودن الگوريتم آموزشي را تصديق مي كنند