سیستم استنتاج عصبی-فازی آموزش یافته با الگوریتم رقابت استعماری برای پیش بینی سری های زمانی آشوبناک

این مقاله، یک روش ترکیبی جدید، برای آموزش سیستم استنتاج عصبی-فازی ANFIS ارایه می دهد. روش های قبلی برای آموزش، بر پایه گرادیان و حداقل مربعات بودند. در این مقاله، از ترکیب الگوریتم بهینه سازی تکاملی مبتنی بر شبیه سازی مفاهیم سیاسی-اجتماعی، با نام الگوریتم رقابت استعماری، همراه با تخمین حداقل مربعات LSE، برای آموزش سیستم عصبی-فازی و تخمین پارامترهای آن استفاده شده است. بدین صورت که از الگوریتم رقابت استعماری ICA، برای تخمین پارامتر های بخش مقدم و از تخمین حداقل مربعات LSE، برای تخمین پارامترهای بخش تالی استفاده می کنیم. در ادامه، از روش ارایه شده، برای پیش بینی سری های زمانی آشوبناک استفاده کرده و نتایح این روش را با سایر روش ها مقایسه می کنیم. برای این کار، از دو سری زمانی آشوبناک معروف Lorenz و Mackey-Glass استفاده کرده و آنها را با روش ارایه شده پیش بینی می کنیم. نتایج این روش، قدرت بالای الگوریتم ترکیبی ICA-ANFIS را در پیش بینی سری های زمانی آشوبناک تایید می کند. علاوه بر این ، روش ارایه شده، در طرح های پیچیده قابلیت انطباق بیشتری داشته و با توجه به اینکه پارامترهای کمتری برای آموزش دارد پیچیدگی کمتری نسبت به روش های مبتنی بر گرادیان دارد.

Keywords:

سیستم استنتاج عصبی-فازی , الگوریتم رقابت استعماری , تخمین حداقل مربعات , پیش بینی سری های زمانی آشوبناک