معرفی سیستم فازی شبه چند جمله‌ای تاکاگی-سوگنو-کانگ با کاربرد در شناسایی سیستم و کلاس بندی الگو

شریفی, آرش; علیاری شوره دلی, مهدی; تشنه لب, محمد

دوره 4، شماره 3 - ( مجله کنترل، جلد 4، شماره 3، پاییز 1389 ) جلد 4 شماره 3,1389 صفحات 28-15 | برگشت به فهرست نسخه ها

‎ 20.1001.1.20088345.1389.4.3.2.4

Mendeley

Zotero

RefWorks

Sharifi A, Aliyari Shoorehdeli M, Teshnehlab M. Semi-polynomial Takagi-Sugeno-Kang Type Fuzzy System for System Identification and Pattern Classification. JoC 2010; 4 (3) :15-28
URL: http://joc.kntu.ac.ir/article-1-115-fa.html

شریفی آرش، علیاری شوره دلی مهدی، تشنه لب محمد. معرفی سیستم فازی شبه چند جمله‌ای تاکاگی-سوگنو-کانگ با کاربرد در شناسایی سیستم و کلاس بندی الگو. مجله کنترل. 1389; 4 (3) :15-28

URL: http://joc.kntu.ac.ir/article-1-115-fa.html

معرفی سیستم فازی شبه چند جمله‌ای تاکاگی-سوگنو-کانگ با کاربرد در شناسایی سیستم و کلاس بندی الگو

آرش شریفی^*¹

، مهدی علیاری شوره دلی²

، محمد تشنه لب²

1- دانشگاه آزاد اسلامی، واحد علوم و تحقیقات
2- دانشگاه صنعتی خواجه نصیر الدین طوسی

چکیده: (15512 مشاهده)

در این مقاله به معرفی ساختاری نوین از سیستم‌ فازی تاکاگی-سوگنو-کانگ (TSK) که دارای بخش استخراج ویژگی در قسمت ورودی می‌باشد، می‌پردازیم. روش پیشنهادی تحت عنوانSemi-Polynomial data Mapping Fuzzy Inference System و به اختصار (SPMFIS) معرفی می‌شود. در روش پیشنهادی از یک نگاشت داده شبه چند جمله‌ای به منظور تبدیل ورودیهای اصلی به ورودیهای جدید با ابعاد کاهش یافته استفاده می‌شود. در گام بعد خروجی حاصل از نگاشت داده شبه چند جمله‌ای به عنوان ورودی سیستم فازی که در این مقاله از شبکه Adaptive Network Based Fuzzy Inference System (ANFIS) بدین منظور استفاده شده است به کار می‌رود. به منظور آموزش پارامترهای شبکه ANFIS و بخش نگاشت داده شبه چند جمله‌ای، از الگوریتم گرادیان نزولی استفاده شده است. همچنین به منظور بررسی کارایی روش مطرح شده، کاربرد آن در کلاس بندی چندین مجموعه داده استاندارد، شناسایی سیستم و پیش‌بینی سری زمانی مورد بررسی و آزمایش قرار گرفته است. نتایج حاصل از این شبیه‌سازی‌ها دلالت بر کارایی بالای روش مطرح شده در برابر روشهای مرسوم شناسایی و کلاس بندی دارد.

واژه‌های کلیدی: سیستم فازی TSK، کاهش ابعاد، الگوریتم گرادیان نزولی، کلاس‌بندی الگو، شناسایی سیستم و پیش‌بینی سریهای زمانی.

متن کامل [PDF 379 kb] (10312 دریافت)

نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1393/3/31 | پذیرش: 1393/3/31 | انتشار: 1393/3/31

ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
	این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله کنترل می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

Designed & Developed by : Yektaweb

پایگاه های مرتبط

کلمات کلیدی