شماره ركورد كنفرانس :
4820
عنوان مقاله :
بهينه‌سازي توابع عضويت در يك طبقه بند مبتني بر سيستم استنتاج عصبي – فازي تطبيقي و آموزش هم‌زمان آن با استفاده از روش IPO
پديدآورندگان :
سلطاني محبوب سلطاني محبوب amir.s.m@birjand.ac.ir دانشگاه بيرجند , ظهيري سيدحميد hzahiri@birjand.ac.ir دانشگاه بيرجند
كليدواژه :
بازشناسي الگو , طبقه¬بندي , طراحي توابع عضويت , سيستم استنتاج عصبي-فازي تطبيقي , الگوريتم بهينه¬سازي صفحات شيب‌دار
عنوان كنفرانس :
سومين كنفرانس ملي محاسبات تكاملي و هوش جمعي
چكيده فارسي :
طبقه بند مبتني بر سيستم استنتاج عصبي –فازي تطبيقي از پارامترهاي ساختاري متنوعي تشكيل‌شده است كه هر يك از آن‌ها به‌نوبه خود بر روي عملكرد آن تاثير به سزايي دارد . نوع و مكان توابع عضويت و همچنين روش آموزش اين طبقه بند از مهم‌ترين پارامترها به شمارمي آيد . در اين مقاله، استفاده از الگوريتم بهينه¬سازي صفحات شيب‌دار(IPO) به‌عنوان يكي از جديدترين روش‌هاي ابتكاري براي اولين بار در جهت انتخاب بهينه توابع عضويت و آموزش هم‌زمان در يك طبقه بند مبتني بر سيستم‌هاي استنتاج فازي- عصبي تطبيقي پيشنهاد وپياده سازي شده است. نتايج مقايسه‌اي به‌دست‌آمده حاصل از اين پژوهش نشان مي‌دهد كه روش ارائه‌شده براي بهنيه سازي توابع عضويت و آموزش هم‌زمان آن به‌وسيله‌ي الگوريتم بهينه¬سازي صفحات شيب‌دار(IPO) ، نسبت به ساير روش‌هاي PSO ، GA ، DE ، ACOR از دقت بالاتر و عملكرد بهتري برخوردار مي‌باشد.
