روش جدیدی برای طبقه بندی الگو، بر پایه ابرجعبه های فازی Min-Max
Publish place: 11th Intelligent Systems Conference
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 1,044
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICS11_147
Index date: 6 October 2013
روش جدیدی برای طبقه بندی الگو، بر پایه ابرجعبه های فازی Min-Max abstract
در این مقاله، یک شبکه ی عصبی فازی Min-Max جدید ارائه شده است. شبکه ی پیشنهادی از آموزش با نظارت، برای طبقه بندی داده های ورودی استفاده می کند.همانند شبکه ،FMNN ، این این شبکه از تجمیع ابرجعبه های فازی برای تعیین مرز کلاسها استفاده می کند. با این تفاوت که تست همپوشانی و انقباض ابرجعبه ها، از مراحل آموزش حذف شده است. که منجر به الگوریتم آموزش ساده تری شده است. شبکه ی ارائه شده، از دو دسته ابرجعبه با ضریب انبساط متفاوت، استفاده می کند. که باعث ایجاد یک ساختار دو طبقه، برای شبکه شده است. همچنین، این امر باعث شده است که شبکه در مرز کلاسها، از ابرجعبه های کوچکتر، برای افزایش کارایی، استفاده کند. شبکه، با یک بار ارائه ی داده های آموزش، ساختار داده ها را فرا می گیرد. نتایج حاصل از شبیه سازیهای رایانه ای، بیانگر کارایی خوب این شبکه نسبت به شبکه های مشابه، می باشد. روش پیشنهادی در اکثر موارد، نتایج مشابهی را، نسبت به بهترین روش های قبلی، با تعداد نرونهای کمتر بدست داده است
روش جدیدی برای طبقه بندی الگو، بر پایه ابرجعبه های فازی Min-Max Keywords:
روش جدیدی برای طبقه بندی الگو، بر پایه ابرجعبه های فازی Min-Max authors
فرید فرج زاده اصل
دانشگاه صنعتی شاهرود
علی سلیمانی ایوری
دانشگاه صنعتی شاهرود
حسین خسروی
دانشگاه صنعتی شاهرود
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :