طراحی پیاده سازی یک روش مدلسازی هوشمند داده های ورودی برای بهبود عملکرد سیستمهای تخمینگر عصبی

امروزه محققان ترجیح می دهند مکانیزمی در اختیار داشته باشند که بتوانند انها را در امور تصمیم گیریشیان یاری نماید به همین دلیل توجه به روشهای تشخیص و پیش بینی موردتوجه قرارگرفته اند. شبکه های عصبی مصنوعی ANNs ابزار ریاضی هستند که با تقلید از سیستم عصبی بیولوژیک ساخته شدهاند طراحی تخمینگر با استفاده از شبکه عصبی مصنوعی می تواند بر مشکلات عددی فائق آمده با سرعت بیشتری نسبت به سایر روشها عمل تخمین را انجامدهد. روش جدید ارائه شده ابتدا به اعتبارسنجی ویژگی ها می پردازد سپس ویژگیای انتخاب می شوند که رتبه بیشتری را کسب کرده اند.

Keywords:

انتخاب ویژگی , تخمینگر عصبی , معیار انتخاب ویژگی , الگوریتم همبستگی , الگوریتم اطلاعات متقابل