fa پیاده سازی شبکه های عصبی راف با یادگیری احتمالاتی جهت شناسایی سیستم های غیرخطی تخصصي Special پژوهشي Research paper در این مقاله یک شبکه عصبی راف بهبود یافته به منظور شناسایی سیستم  های غیرخطی آشوبی ارائه شده است. شبکه  های عصبی راف نوعی از ساختارهای عصبی هستند که براساس نرون  های راف طراحی می  شوند. یک نرون راف را می  توان بصورت زوجی از نرون  ها در نظر گرفت، که به نرون  های کرانه بالا و کرانه پایین موسوم هستند. رویکرد نرون راف استفاده از محاسبات بازه  ای در شبکه عصبی را امکان پذیر می  سازد، بنابراین می  توان آنرا به عنوان نگرشی نوین در زمینه طراحی شبکه  های عصبی تلقی نمود. همانند شبکه  های پرسپترون چندلایه، شبکه  های عصبی راف نیز می  توانند با استفاده از الگوریتم پس انتشار خطا مبتنی بر گرادیان نزولی آموزش داده شوند، با این حال این الگوریتم دارای مشکلاتی مانند کمینه محلی است. در این مقاله روش یادگیری با نظارت جدیدی براساس احتمال خطای موثر نرون  ها، برای آموزش شبکه  های عصبی ارائه شده است که آنرا یادگیری احتمالاتی می  نامیم. جهت ارزیابی این تحقیق، کارایی شبکه عصبی راف بهبود یافته و الگوریتم یادگیری پیشنهادی برحسب خطای شناسایی سری  های زمانی آشوبی مورد بررسی قرار گرفته است. In this paper an improved rough neural network is presented for identification of chaotic system. Rough neural networks are a type of neural stractures that they are designed based on rough neurons. A rough neuron is considered as a pair of neurons that called lower boandry neuron and upper boandry neuron. Rough neuron approach, allows use of interval computing in neural networks, therefore it can be considered as a new opinion in designing neural networks. The same as multilayer perceptron, rough neural networks also can be trained using by back propagation algorithm based on gradient descending, however, this algorithm has problems such as local minima. In this paper, a new supervised learning method based on effective error of neuron is presented for training of neural networks, which it is called probabilistic learning. To evaluate this study, performance of rough neural network improved, and proposed learning algorithm have been examined in terms of error detection of chaotic time series. نرون راف, شبکه عصبی راف, یادگیری احتمالاتی, شناسایی سیستم غیرخطی و سری های زمانی آشوبی Rough Neural Networks, Probabilistic Learning, Nonlinear System Identification. 41 50 http://joc.kntu.ac.ir/browse.php?a_code=A-10-82-1&slc_lang=fa&sid=1 Seyyed Mohammad Javad Alehasher سید محمد جواد آل هاشر soheil.alehasher@gmail.com 1003194753284600773 1003194753284600773 Yes دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران Mohammad Teshnehlab محمد تشنه لب teshnehlab@kntu.ac.ir 1003194753284600774 1003194753284600774 No دانشگاه خواجه نصیر