خانه / مقالات انگلیسی با ترجمه / مهندسی کامپیوتر / مقاله ترجمه شده سیستم استنتاج فازی تطبیقی (SAFIS) برای پیش بینی و شناسایی سیستم های غیرخطی

مقاله ترجمه شده سیستم استنتاج فازی تطبیقی (SAFIS) برای پیش بینی و شناسایی سیستم های غیرخطی

دانلود رایگان مقاله بیس انگلیسی خرید و دانلود ترجمه ی مقاله انگلیسی

کد محصول:CM49

قیمت فایل ترجمه شده:    ۱۵۰۰۰تومان

تعداد صفحه انگلیسی:۱۶

سال نشر: ۲۰۱۳

تعداد صفحه ترجمه فارسی: ۲۴  صفحه word

عنوان فارسی:

مقاله ترجمه شده سیستم استنتاج فازی تطبیقی (SAFIS) برای پیش بینی و شناسایی سیستم های غیرخطی

عنوان انگلیسی:

Sequential Adaptive Fuzzy Inference System (SAFIS) for nonlinear system identification and prediction

چکیده فارسی:

در این مقاله سیستم سیستم استنتاج فازی تطبیقی به نام SAFIS ، بر مبنای شباهت های عملکردی بین شبکه توابع بر پایه شعاع و سیستم استنتاج فازی (FIS) ایجاد می گردد. در سیستم SAFIS (استنتاج فازی تطبیقی)، مفاهیم مربوط به تاثیر قوانین فازی معرفی شده و با استفاده از این موارد، قوانین فازی بر مبنای داده های اولیه ای که تا به حال دریافت شده اند، حذف یا اضافه می گردند. اگر داده های اولیه مانع اضافه شدن قوانین فازی شوند، به این ترتیب تنها پارامترهای مربوط به قوانین مشخص( در مفهوم اقلیدسی) با استفاده از طرح فیلتر کالمن به روز می گردند. عملکرد SAFIS (استنتاج فازی تطبیقی) با چندین الگوریتم موجود در ارتباط با مسئله ارزیابی مقایسه ای شناسایی دو سیستم غیر خطی و مسئله پیش بینی سری زمانی زمان پرهرج و مرج، مقایسه می گردد. نتایچ نشان می دهد که SAFIS (استنتاج فازی تطبیقی) در مقایسه با الگوهای دیگر با توجه به تعداد قوانین کمتر، صحت مشابه یا بهتری را ایجاد می کند.

۴. نتیجه گیری

در این مقاله، سیستم اثبات ترتیبی فازی به نام SAFIS بر مبنای معادل تابع بین  و  مد نظر قرار می گیرد. در SAFIS، حذف و اضافه قوانین فازی بر مبنای مفهوم تاثیر قوانین می باشد. زمانی که هیچ افزونه ای وجود ندارد، تنها پارامترهای مربوط به قوانین نزدیک تر به روز شده  و از طرح  استفاده می کند. SAFIS اساسا به عنوان یک الگوریتم ترتیبی بوده و یک سیستم فشرده اثباتی فازی را ایجاد می کند.

عملکرد SAFIS در مقایسه با چندین الگوریتم موجود بر مبنای تشخیص سیستم های غیرخطی و مشکلات مربوط به پیش بینی سری زمانی می باشد. نتایج نشان می دهد که SAFIS دقت بهتری را با توجه به قوانین کمتر در مقایسه با الگوریتم های دیگر ایجاد می کند.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

Time limit is exhausted. Please reload the CAPTCHA.