بهبود ماشین یادگیر هیجانی مغز با الهام از ماشین یادگیر محدود فازی آنلاین حافظه دار بازگشی مبتنی بر سیستم عصبی فازی تاکاگی سوگنو

الگوریتم های مختلف طبقه بندی و مدل های پیش بینی در بسیاری از علوم و تکنولوژی بطور گسترده استفاده می شوند. در میان روش های مختلف آن ها، روش های داده-محور مشهور شامل مدل های شبکه‎ های عصبی مصنوعی و فازی عصبی بدلیل ویژگی هایشان مورد توجه بسیاری از محققین قرار گرفته است. به منظور توسعه و غلبه بر معایب این مدل ها، از مفاهیم سیستم های بیولوژیکی مغز انسان استفاده می شود. بر این اساس از سیستم لیمبیک مغز هیجانی جهت توسعه این مدل های استفاده می شود. یادگیر هیجانی مغز یک شبکه عصبی مصنوعی هیجانی مبتنی بر تعامل مولفه های تالاموس، کورتکس، آمیگدلا و اوربیتوفرانتال است.. این ماشین یادگیر معماری و الگوریتم‎های یادگیری متفاوتی دارد.در این مقاله از ماشین یادگیر محدود فازی آنلاین به عنوان اجزای تشکیل دهنده آمیگدلا و اوربیتوفرانتال در ماشین یادگیر هیجانی مغز استفاده می شود. به منظور تعامل میان اجزای اصلی ماشین یادگیر هیجانی مغز، از ماشین یادگیر محدود فازی آنلاین حافظه دار بازگشتی با عمق حافظه مختلف با قابلیت انتقال یادگیری استفاده می شود. ماشین طراحی شده نهایی، ماشین یادگیر هیجانی مبتنی بر ماشین یادگیر محدود فازی حافظه دار بازگشتی آنلاین نامیده می شود. ماشین شناختی ارائه شده بر اساس یادگیری داده های آموزش به صورت الگو- الگو یا دسته-دسته (با طول ثابت و متغییر) طراحی شده است و می تواند داده های آموزشی را که قبلا آموزش دیده اند را کنار بگذارد. مقایسه کارآیی روش پیشنهادی با روش های یادگیری مشابه بر روی مسائل سری های زمانی آشوبی انجام می شود. نتایج تجزیه و تحلیل و شبیه سازی نشان می دهد که کارایی و دقت روش پیشنهادی بیشتر از سایر روش ها است.