مهدی توپچی - دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه بین المللی امام رضا (ع)
سیده اعظم ابوالقاسم پور - کارشناسی ارشد نرم افزار واحد علوم و تحقیقات خراسان رضوی
مسعود پاکباز - دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه بین المللی امام رضا (ع)
الهام منتظمی - دانشجوی کارشناسی ارشد معماری کامپیوتر دانشگاه بین المللی امام رضا (ع)

به منظور کاهش پیچیدگی ابزارهای فازی و استفاده کمتر قوانین از سیستم های فازی سلسله مراتبی و آموزش مرحله ای در این مقاله بهره گرفته شده است در این سری زمانی آشوبگری Mackey Glass مورد بررسی قرار گرفته است و در مقایسه با روش کلاسیک جدول جستجو با وجود کاهش تعداد قوانین ، میزان معیار عملکردی میانگین مربعات خطا بهبود پیدا کرده است. به خاطر قابلیت سیستم های فازی در بهره برداری از دانش انسانی این روش در میان روشهای مستقل از مدل بیشتر مورد استفاده قرار گرفته است در نتیجه با استفاده از دو سیستم فازی به صورت سلسله مراتبی با وجود استفاده از تعداد کمتر قوانین مقدار خطا در پیش بینی های انجام شده توسط سیستم به میزان بسیار قابل توجهی کاهش پیدا کرده و از این رو سیستم عملکرد مناسب تری را ارائه نموده است.

سیستم فازی سلسله مراتبی، دانش انسانی، آموزش مرحله ای، سری زمانی آشوبگری