سامانههای ANFIS بهدلیل عملکرد قابل قبولی که در زمینه ایجاد و آموزش طبقهبند فازی داده دارند، بسیار موردتوجه واقعشدهاند. یک چالش اصلی در طراحی یک سامانه ANFIS رسیدن به یک روش کارآمد، با دقت بالا و قابلیت تفسیر مناسب است. بدون تردید نوع و مکان توابع عضویت و همچنین نحوه آموزش یک شبکه ANFIS تأثیر بهسزایی در عملکرد آن دارد. تاکنون پژوهشهای مرتبط تنها به یافتن نوع و مکان توابع عضویت و یا پیشنهاد روشی برای آموزش این شبکهها بسنده کردهاند. علت اصلی عدم بهکارگیری همزمان تعیین نوع و مکان توابع عضویت و آموزش یک شبکه ANFIS در ثابت بودن طول نسخههای استاندارد روشهای ابتکاری است. در این مقاله، ابتدا نسخه جدیدی از روش بهینهسازی صفحات شیبدار با قابلیت متغیربودن عوامل جستجو در آن، معرفی میشود؛ سپس قابلیت بهوجودآمده، برای تعیین نوع و مکان توابع عضویت و آموزش همزمان یک طبقهبند مبتنی بر سامانه استنتاج عصبی–فازی تطبیقی بهکار بسته میشود. نتایج بر روی چند پایگاه داده مشهور با تعداد ردههای مرجع متفاوت و طول بردارهای ویژگی مختلف مورد آزمایش قرار گرفته و با نتایج روش پیشنهادی بهصورت مقایسهای گزارش شده است، این آزمایشات نشاندهنده عملکرد بهتر روش پیشنهادی است.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
مقالات پردازش دادههای رقمی دریافت: 1396/11/18 | پذیرش: 1397/11/6 | انتشار: 1399/2/1 | انتشار الکترونیک: 1399/2/1