محمد منشوری - ازمایشگاه سیستم های هوشمند، دانشکده برق و کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
محمد تشنه لب - قطب کنترل صنعتی، دانشکده برق و کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
مهدی علیاری شوره دلی - گروه مکانیک، دانشکده برق و کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی

در این مقاله سیستم فازی سلسه مراتبی و آموزش آن به منظور شناسایی مورد بررسی قرار گرفته است. سیستم های فازی سلسله مراتبی برای رفع مشکل افزایش نمایی قوانین فازی با زیاد شد ورودی ها مطرح شده اند. به دلیل نرخ همگرایی پایین و احتمال قرار گرفتن در کمینه محلی الگوریتم گرادیان نزولی، در این مقاله از الگوریتم فیلتر کالمن توسع یافته برای آموزش پارامترهای تالی این سیستم ها استفاده شده است، که این امر باعث افزاییش سرعت همگرایی و حل مشکل کمینه محلی می شود. به منظور ارزیابی قابلیت روش پیشنهادی، سیستم های فازی سلسله مراتبی در پیش گویی سری زمانی Mackey-Glass و شناسایی یک تابع غیرخطی پویا به کار برده شده است. نتایج شبیه سازی ضمن نشان دادن کارایی سیستم های سلسله مراتبی، کا دارای قواعد کمتری نسبت به سیستم فازی معمولی هستند. مناسب بودن الگوریتم آموزشی را تصدیق می کنند

الگوریتم گرادیان نزولی، سیستم فازی سلسله مراتبی، الگوریتم فیلتر کالمن توسعه یافته و مشکل ابعاد