توسعه الگوریتم درخت مدل خطی محلی (LOLIMOT) با استفاده از یک تابع اعتبار فازی مبتنی بر کلونی مورچه برای پیش بینی سریهای زمانی
Publish place: 1st Joint Congress on Fuzzy and Intelligent Systems
Publish Year: 1386
Type: Conference paper
Language: Persian
View: 1,864
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
FJCFIS01_134
Index date: 3 June 2008
توسعه الگوریتم درخت مدل خطی محلی (LOLIMOT) با استفاده از یک تابع اعتبار فازی مبتنی بر کلونی مورچه برای پیش بینی سریهای زمانی abstract
تحلیل سریهای زمانی خصوصا سریهای زمانی آشوبی کاربردهای بسیاری در زندگی روزمره دارد زیرا بسیاری از دادههایی که حاصل مشاهدات ما از وقایع روزمره هستند از ساختاری شبیه به سریهای زمانی پیروی میکنند. در سالهای اخیر روشهای بسیاری برای پیش بینی سریهای زمانی معرفی شدهاند که در این میان استفاده از شبکههای عصبی و ساختارهای فازی بسیار مورد توجه واقع شده است. نمونهای از این مدلها مدل فازی عصبی خطی محلی تاکاگی-سوگنو همراه با یک الگوریتم یادگیری درخت مدل خطی محلی(LOLIMOT)است. از طرف دیگر الگوریتمهای مبتنی بر کلونی مورچه یا بهینهسازی مورچه (ACO)کاربردهای موفقی در بسیاری از مسائل بهینهسازی داشتهاند. یک الگوریتم کلونی مورچه یک روش ابتکاری و کاشفانه است که برگرفته از رفتار کلونیهای طبیعی مورچههاست و در بسیاری از مسائل با پیچیدگی زمانی غیر چند جملهای کارایی خوبی از خود نشان دادهاند. در این مقاله کوشیده ایم با نگاهی به مدلهای فازی عصبی خطی محلی و الگوریتمهای کلونی مورچه یک تابع اعتبار مبتنی بر این الگوریتمها جهت استفاده در مدل فازی عصبی و الگوریتم درخت مدل خطی محلیLOLIMOT ارائه کنیم. نتایج شبیهسازی حاکی است که کارایی نسخه جدید الگوریتم LOLIMOT از نظر شاخص خطای کل پیش بینی بهتر از الگوریتم اولیه است.
توسعه الگوریتم درخت مدل خطی محلی (LOLIMOT) با استفاده از یک تابع اعتبار فازی مبتنی بر کلونی مورچه برای پیش بینی سریهای زمانی Keywords:
توسعه الگوریتم درخت مدل خطی محلی (LOLIMOT) با استفاده از یک تابع اعتبار فازی مبتنی بر کلونی مورچه برای پیش بینی سریهای زمانی authors
رجبعلی کشاورز
دانشجوی کارشناسی ارشد مهندسی کامپیوتر- نرم افزار -دانشگاه آزاد اسلامی
کارو لوکس
گروه علوم شناختی IPM ، ایران
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 :