الگوریتم ژنتیک آشوبناک برای یادگیری نقشه های شناختی فازی با یادگیری ترکیبی
Publish place: The Second International Conference on Intelligent Information Networks and Complex Systems
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 895
This Paper With 5 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:
IINC02_023
تاریخ نمایه سازی: 25 فروردین 1394
Abstract:
نقشه های شناختی فازی (FCM) یک روش محاسبات نرم برای سیستم های مدل سازی غیر خطی است که تئوری شبکه های عصبی و منطق فازی را ترکیب می نماید. روش یادگیری FCM ها یکی از مهمترین مشخصه ها است که تاثیر بالایی روی توانایی های مدل سازی و استنتاج آن ها دارند تا بتوانند دسته بندی مربوط به مسایل کاربردی را به بهترین نحو انجام دهد.در این مقاله الگوریتم یادگیری جدیدی برایFCM ها با بهره گیری از روش boostingکه مبتنی بر روش های ترکیبی(Ensemble) می باشد، پیشنهاد شده است. الگوریتم ژنتیک آشوبناک به عنوان الگوریتم پایه بکار برده می شود که توسط روش boosting ارتقا داده شده است. نتایج آزمایش بر روی پایگاه داده بیماری اوتیسم نشان می دهد که روش پیشنهادی در مقایسه با سایر روش ها از دقت دسته بندی بهتری برخوردار است.
Keywords:
یادگیری ترکیبی- نقشه های شناختی فازی- یادگیری تکاملی
Authors
شبنم شیرزادگان
دانشگاه آزاد اسلامی واحد مشهد
الهام خان لاری
دانشگاه آزاد اسلامی واحد مشهد
اکرم رضایی
دانشگاه آزاد اسلامی واحد مشهد
مهرداد جلالی
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 :