مصطفی مشکات - دانشگاه کارشناسی ارشد گروه هوش مصنوعی واحد مشهد دانشگاه آزاد اسلامی مشهد ایران
مهدی یعقوبی - استادیار گروه هوش مصنوعی واحد مشهد دانشگاه آزاد اسلامی واحد مشهد ایران

در این مقاله روش جدیدی برای مدلسازی یک شبکه عصبی پروسپنرون فازی تطبیقی )perceptron neural network Adaptive fuzzy از ترکیب سیستم فازی (Takagi–Sugeno–Kang) TSK و شبکه عصبی MLP Multi-Layer Perceptron ارائه شده است در مدل پیشنهادی تابع ثابت یا خطی ورودی ها در بخش نتیجه سیستم فازی TSK با شبکه عصبی پرسپترون دولایه جایگزین می شود بنابراین هر قانون فازی از مجموعه فازی برای جدا کردن استفاده شده است نتایج به دست آمدهاز اجرای روش AFP روی این دو دستگاه نشان می دهد روش پیشنهادی با تعداد پارامترهای کمتر و سرعت بیشتر می تواند به دقت قبولی دست یابد.

شبکه عصبی؛ شناسایی سیستم؛ کاهش شیب؛ منطق فازی