ارائه ابزار محاسباتی نرم مبتنی بر مدل‌های ترکیبی به‌منظور بهبود پیش‌بینی کیفیت منسوجات تولیدی در صنعت پوشاک

فراهم آوردن داده‌های مورد نیاز به منظور ارائه پیش‌بینی‌های دقیق با شبکه عصبی مصنوعی در صنعت نساجی، اصولاً بسیار هزینه‌بر و زمان‌بر است. از این رو، استفاده از روش‌هایی که قادر به ارائه پیش‌بینی با تعداد داده‌های قابل حصول کم هستند، در این‌گونه از صنایع مناسب‌تر‌ و کارآمدتر خواهد بود. در این مقاله، از ترکیب روش‌های شبکه‌های عصبی مصنوعی و رگرسیون فازی به ارائه یک مدل هوشمند نرم به منظور پیش‌بینی کیفیت درز پوشاک تولیدی پرداخته شده است. ایده اصلی روش پیشنهادی استفاده از مزایای محاسبات نرم مجموعه‌های فازی به‌منظور حصول نشخه‌ای بهبودیافته از شبکه‌های عصبی مصنوعی در شرایط داده‌های قابل حصول کم است. نتایج بدست آمده از بکارگیری روش پیشنهادی در پیش‌بینی کیفیت درز پوشاک، بیانگر عملکرد بالاتر این روش درتقابل با مدل‌های تشکیل‌دهنده خود و همچنین سایر روش‌های ترکیبی موجود است.

proposing a soft hybrid computing model to improve the prediction of the quality of seams in garments

for training the artifcial neural network to accurately predict a specifc parameter, several experimental results argenerally needed which makes it costly and time-consuming. hence, there is a need for developing other methodthat can accurately predict based on a small number of experimental data. in this paper, a combination of artifcineural network and fuzzy regression methods was employed to develop a soft intelligent model for predicting thquality of seams in garments. the main idea of the proposed method is to simultaneously use the advantages of socomputing of fuzzy sets to achieve improved results from artifcial neural networks based on a relatively small experimental dataset. the results obtained from the proposed model showed its higher performance in comparison tits constituent models as well as other existing combinational methods.