موارد استفاده : تحقیق و آموزش
منابع فارسی: دارد
منابع لاتین: دارد
پیشینه داخلی جدید: دارد
پیشینه خارجی جدید: دارد
نوع فایل: Word قابل ویرایش
تعداد صفحه: 62 صفحه
شماره فایل : 172 mg
فرآیند‌یادگیری در شبکه‌های عصبی فازی عبارت است از تغییر پارامترها‌یا ضرایب شبکه با استفاده از مثال‌هایی که قبلا تجربه شده اند. این عملیات با تنظیم ضرایب شبکه به نحوی که‌یک شاخص تعریف شده به جواب بهینه برسد، محقق می‌گردد. لازمه این امر، داشتن مجموعه ای از زوج‌های مرتب ورودی و خروجی و نیز وجود شاخصی است که بهترین شکل نگاشت ورودی Xi را به مقادیر خروجی مورد نظر را بیان کند.
در نرون‌های فازی ارتباطات سیناپسی به صورت رابطه فازی دو بعدی‌یا دو متغیره تعریف می‌شود که این رابطه بین ورودی‌ها و خروجی‌ها تعریف می‌گردد. بنابراین‌یادگیری در نرون‌های فازی عبارت است از تغییر صفحه رابطه دو بعدی در هر رابطه با سیناپس(رعیتی شوازی،1385). شبکه ANFIS براساس یادگیری با نظارت، آموزش داده می‌شود. پارامترهای توابع عضویت از طریق فرایند یادگیری تغییر می‌کنند. مقادیر این پارامترها توسط یک بردار گرادیان تسهیل می‌یابند. سامانه استنتاج تطبیقی فازی عصبی، یک سامانه سیستم استنتاج فازی است که پارامترهای توابع عضویت آن با الگوریتم پس انتشار خطا به تنهایی و یا همراه با روش کمترین مربعات (الگوریتم هیبرید) تعدیل می شوند.
این تنظیمات این امکان را فراهم می سازد که سیستم های فازی از داده های موجود مدل‌سازی گردند. در واقع ویژگی متمایز ANFIS، فراهم کردن الگوریتم یادگیری پیوندی، روش شیب گرادیان و روش حداقل مربعات، به منظور اصلاح پارامترها می باشد. روش شیب گرادیان به کارگرفته می‌شود تا پارامترهای خطی مقدماتی را تنظیم کند، در حالیکه روش حداقل مربعات به کارگرفته می‌شود تا پارامترهای خطی بخش نتیجه را تعین کند.
روند آموزش دو مرحله دارد؛ در مرحله اول، در حالیکه پارامترهای بخش فرض ثابت فرض می‌شوند، با استفاده از روش حداقل مربعات پارامترهای بخش نتیجه تعیین می شوند. سپس سیگنال‌های خطا پس انتشار می‌یابند. روش شیب گرادیان استفاده می شود تا پارامترهای مقدماتی از طریق حداقل کردن تابع هزینه درجه دوم کلی، اصلاح شود(جانگ،1993).
ادامه مقاله به طور کامل در فایل اصلی موجود است.
