سعید مددی - دانشجوی کارشناسی ارشد، گروه مهندسی فناوری اطلاعات، دانشگاه گیلان، رشت، ایران
رضا ابراهیمی آتانی - استادیار گروه مهندسی کامپیوتر دانشگاه گیلان، رشت، ایران
امیر حسنی کرباسی - دانشجوی دکتری، گروه مهندسی فناوری اطلاعات دانشگاه گیلان،رشت،ایران
سامان طهوری - کارشناسی ارشد مهندسی فناوری اطلاعات گرایش شبکه های کامپیوتری، گروه مهندسی فناوری اطلاعات، دانشگاه گیلان، رشت،ایران

در این مقاله ما یک متد جدید با هدف ساخت متد گروهی شبکه های بررسی داده GMDH به کمک الگوریتم های هایپرهیوریستیک ارائه می دهیم. روش پیشنهاد شده بر مبنای هایپرهیوریستیک تکاملی می باشد که کاملا ساختار GMDH را با نشان دادن تعداد لایه ها، نوع چند جمله ای وتعداد گروه های انتخاب شده در هر لایه از شبکه اتوماتمی کند که در یک الگوریتم کاملا خود سازماندهی شده به نام هایپرهیوریستیک (GMDH (HH-GMDH نتیجه میدهد. در این مقاله روی تعریف روش پیشنهاد شده هایپرهیوریستیک تمرکز می کنیم که شامل هیوریستیک پایه تکامل یافته، رمزگذاری الگوریتم تکاملی و شرح کاملی از تکامل عملگرها میباشد. ما دو نسخه از روش G HH-GMDH بسته به اینکه چگونه یک پارامتر تنظیم شده در الگوریتم تعیین می شود را پیگیری کرده ایم. الگوریتم HH-GMDH پیشنهاد شده را در مسئله هایی از مخزن عمومی UCI و در دو مسئله واقعی امتحان کردیمک 1- پیش بینی درجه حرارت در فرودگاه بارسلونا 2- پیش بینی مقدار ازن در شبه جزیره ایبری در این مسائل نشان می دهیم HH-GMDH پیشنهاد شده از شبکه GMDH کلاسیک بهتر است.

هایپرهیوریستیک تکاملی، شکبه های کنترل داده، شبکه عصبی، GMDH