پیش بینی سری های زمانی آشوبناک با استفاده از شبکه های عصبی تطبیقی
Publish place: Fifth International Conference on Quality Research in Electrical and Mechatronics Electrical Engineering
Publish Year: 1397
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 552
This Paper With 14 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:
ELEMECHCONF05_299
تاریخ نمایه سازی: 21 خرداد 1398
Abstract:
اکثر پدیده های در جهان پیرامون ما، با یک سیستم غیرخطی قابل مدل سازی هستند. رفتار این سیستم ها اغلب به صورت آشوبناک می باشد. بنابراین طراحی سیستم های پیش بینی کننده و شناسگر برای اینگونه رفتارهای آشوبناک از چالش های مهم می باشد. در این مقاله، از بین انواع سیستم های آشوبناک، نوع مکی-گلاس انتخاب شده است و برای پیش بینی این سیستم از شبکه های عصبی تطبیقی که به وسیله ی انواع روش های فرا ابتکاری آموزش دیده اند، استفاده می شود. روش های فرا ابتکاری که برای آموزش شبکه عصبی چندلایه مورد استفاده قرار گرفته اند، شامل الگوریتم های ژنتیک، پرندگان یا ازدحام ذرات، کلونی مورچگان، استراتژی تکاملی و الگوریتم پیشنهادی مبتنی بر جغرافیای زیستی می باشد. نتایج شبیه- سازی نشان می دهد که اگر آموزش شبکه عصبی بر اساس الگوریتم فرا ابتکاری پیشنهادی جغرافیای زیستی صورت گیرد، دقت آموزش و آزمون نسبت به دیگر روش های ابتکاری بیان شده به ترتیب 38.5 و 78.5 درصد بهبود خواهد داشت.
Keywords:
Authors
محسن نژاد شاهبداغی
دانشجوی دکتری، دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران
سید محمدرضا موسوی میرکلایی
استاد دانشکده مهندسی برق، نویسنده مسئول، دانشگاه علم و صنعت ایران، تهران، ایران
سعید عبادالهی
استادیار دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران