کتاب الکترونیکی

سیستم های عصبی فازی افزایشی

Incremental Neuro-fuzzy Systems

دانلود کتاب Incremental Neuro-fuzzy Systems (به فارسی: سیستم های عصبی فازی افزایشی) نوشته شده توسط «Fritzke B.»

اطلاعات کتاب سیستم های عصبی فازی افزایشی

موضوع اصلی: منطق فازی و کاربردها

نوع: کتاب الکترونیکی

نویسنده: Fritzke B.

زبان: English

فرمت کتاب: pdf (قابل تبدیل به سایر فرمت ها)

سال انتشار: 1997

تعداد صفحه: 12

حجم کتاب: 2 مگابایت

توضیحات کتاب سیستم های عصبی فازی افزایشی

رفتار مقیاس‌بندی ضعیف سیستم‌های فازی پارتیشن‌بندی شبکه در صورت افزایش ابعاد داده، استفاده از سیستم‌های فازی با پارتیشن پراکنده فضای ورودی را پیشنهاد می‌کند. جانگ نشان داده است که سیستم های فازی Sugeno مرتبه صفر معادل شبکه های تابع پایه شعاعی (RBFNs) هستند. روش‌هایی برای یافتن پارتیشن‌های پراکنده برای RBFN‌ها موجود است و می‌توان از آنها برای ایجاد سیستم‌های فازی تقسیم‌بندی پراکنده استفاده کرد. با این حال، یک مشکل اساسی، مشکل شناسایی ساختار است، به عنوان مثال، تعیین تعداد قوانین فازی و موقعیت آنها در فضای ورودی. روش گاز عصبی در حال رشد نظارت شده از طبقه بندی یا خطای رگرسیون برای هدایت درج واحدهای RBF جدید استفاده می کند. این منجر به موقعیت‌یابی مؤثرتر واحدهای RBF (قوانین فازی IF-parts, res]) نسبت به روش‌های خوشه‌بندی بدون نظارت متداول می‌شود. شبیه‌سازی‌های نمونه‌ای از رویکرد جدید نشان داده شده‌اند که رفتار برتر را در مقایسه با سیستم‌های فازی تقسیم‌بندی شبکه و رویکرد استاندارد RBF Moody و Darken نشان می‌دهند.

The poor scaling behavior of grid-partitioning fuzzy systems in case of increasing data dimensionality suggests using fuzzy systems with a scatter-partition of the input space. Jang has shown that zero-order Sugeno fuzzy systems are equivalent to radial basis function networks (RBFNs). Methods for finding scatter partitions for RBFNs are available, and it is possible to use them for creating scatter-partitioning fuzzy systems. A fundamental problem, however, is the structure identification problem, i.e., the determination of the number of fuzzy rules and their positions in the input space. The supervised growing neural gas method uses classification or regression error to guide insertions of new RBF units. This leads to a more effective positioning of RBF units (fuzzy rule IF-parts, res]).) than achievable with the commonly used unsupervised clustering methods. Example simulations of the new approach are shown demonstrating superior behavior compared with grid-partitioning fuzzy systems and the standard RBF approach of Moody and Darken.

دانلود کتاب «سیستم های عصبی فازی افزایشی»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.

برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.

برچسب ها
مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
کتابخانه دیجیتال بَلیان