انتخاب ویژگی فرعی به وسیله شبکه عصبی فازی با حفظ محرمانگی در داده کاوی توزیع شده

منطق فازی به ویژه در صنعت کاربردهای فراوان پیدا کرده است. مثلا در سیستم های خبره، سیستم های پایگاه داده ها و بازیافت اطلاعات، تشخیص الگو و خوشه بندی، سیستم های رباتیک، فرآوری تصویر و سیگنال ها، تشخیص صدا، تجزیه و تحلیل ریسک، کنترل و. . . به وفور یافت می شود. امروزه تئوری فازی در پروژه های چند منظوره نقش اساسی را بازی می کند. این موضوع مخصوصا در رابطه با پروژه های چند منظوره سیستم هوشمند صادق است. این سیستم ها دست ساخته انسان قادر به حل مسائل پیچیده همانند رفتار انسان به طریق هوشمند می باشد. در این گونه پروژه ها، معمولا تئوری فازی با محاسبات شبکه عصبی، الگوریتم ژنتیک و سایر متدهای پیش رفته ترکیب و تلفیق می گردند. امروزه از شبکه های عصبی مصنوعی به طور گسترده ای برای حل مسائل پیچیده استفاده می شود. از جمله کاربردهای شبکه عصبی مصنوعی می توان به کاربرد آن در هوافضا، حمل و نقل، امور مالی، امور دفاعی و. . . اشاره کرد. به طور کلی روش پس انتشار خطا برای آموزش شبکه مصنوعی به کار می رود. در اغلب این مطالعات از شبکه عصبی مصنوعی برای تخمین روابط بین متغیرهای کنترل و متغیرهای پاسخ استفاده شده است که برای دستیابی به تخمین دقیق این روابط نیاز مبرمی به تنظیم پارامترهای شبکه عصبی مصنوعی وجود دارد. در این پژوهش برای تجزیه وتحلیل داده ها از نرم افزار Matlab انجام شده است.

Keywords:

شبکه عصبی فازی , حفظ محرمانگی , داده کاوی.