تعیین سیستم حافظه ی فازی FMS مطلوب با استفاده از الگوریتم ژنتیک با کمترین تعداد توابع تعلق
Publish place: 1st National Conference on Development of Civil Engineering, Architecure,Electricity and Mechanical in Iran
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 574
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
DCEAEM01_024
تاریخ نمایه سازی: 18 دی 1393
Abstract:
امروزه سیستم های فازی به دلیل جامعیتی که درتحلیل مفاهیم غیرقطعی دارند بسیارپرکاربرد هستند چرا که بشربه ورودیهای اطلاعاتی دقیق نیازی ندارد بلکه قادر است کنترل تطبیقی انجام دهد پس اگرما کنترل کننده های فیدبک را درسیستم ها طوری طراحی کنیم که بتواند داده های مبهم را دریافت کند این داده ها میتواند بطور ساده تر و موثرتری دراجرای به کاربرده شوند اما مشکل انتخاب قواعدفازی به عنوان یک مشکل بهینه سازی ازدودیدگاه قابل توجه است اولا به حداکثر رساندن تعدادالگوهای صحیح طبقه بندی شده و ثانیا به حداقل رساندن تعدادقواعد فازی الگوریتم های ژنتیک راهکاری برای حل این مشکل هستند مجموعه ای ازقواعدفازی if-then به عنوان متغیرهای کدشده درالگوریتم ژنتیک به کارمیروند به همین دلی امروزه الگوریتم ژنتیک نیزجایگاه خاصیدرمیان روشهای بهینه سازی پیدا کرده است چه بسا بهینه سازی ورودی هارا تغییر میدهد تا به خروجی مطلوب دست یابد دراین مقاله به کمک نتایج یک معادله سینوسی و نیز الگوریتم ژنتیک تقریب بسیارخوبی برای سیستم حافظه فازی صورت میگیرد داده های بدست آمده بادقت بسیارخوبی به سیستم حافظه فازی تعلیم داده میشود ازطرف دیگر جایگذاری وزن های قواعد به عنوان درجه های آزادی سیستم فازی درون کروموزوم های الگوریتم ژنتیک باعث میشود تاباتعدادتوابع تعلق کمتر و درنتیجه تعدادقواعدفازی کمتری نسبت به سیستم های تقریب گرفازی به دقت دلخواه و مطلوب برسیم
Keywords:
Authors
طیبه جهانی
دانشجوی کارشناسی ارشد مهندسی پزشکی دانشگاه آزاد اسلامی واحد مشهد
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 :