بهینه سازی الگوریتم LOLIMOT با استفاده از مدل های غیر خطی محلی
Publish place: 13th Annual Conference of Computer Society of Iran
Publish Year: 1386
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,779
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:
ACCSI13_249
تاریخ نمایه سازی: 25 آبان 1386
Abstract:
درخت مدل خطی محلی یاLOLIMOT که در ان از نوعی از مدل فازی عصبی خطی محلی استفاده شده است، الگوریتمی بر اساس استراتژی تقسیم و حل باشد که در آن حل مسئله پیچیده از
طریق تقسیم مسئله به تعدادی زیر مسئلة کوچک تر (و از این رو ساده تر) صورت می پذیرد[ 1]. بنابراین مشخصات این مدل های فازی - عصبی (زیر مسئله های کوچک تر شده) به مقدار زیادی، به ساختار الگوریتم بکار برده شده جهت تقسیم بندی، وابسته می باشد . الگوریتمLOLIMOTبرای رسیدن به خروجی بهتر (خروجی با خطای کمتر ) فضای مسئله را به تعدادی مدل خطی محلی یاLLM تقسیم می نماید و پس از پیدا کردن بدترینLLM) LLM با خطای بیشتر) با تقسیم آن به دو،LLM الگوریتم را ادامه می دهد. در این مقاله سعی شده با ارائه روشی برای استفاده از مدل های غیرخطی محلی بجای استفاده از مدل های خطی محلی، با تعداد مدل های کمتری به خطای مطلوب تری دست یابیم. در پایان الگوریتم بهینه شده توانست با قدرت انعطاف زیاد، به خوبی به این مهم دست یابد.
Keywords:
Authors
سهیل فاطری
دانشگاه آزاد اسلامی واحد بابل
محمد تشنه لب
دانشگاه صنعتی خواجه نصیرالدین طوسی
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 :