|
|
|
|
شبکه عصبی فازی مین- ماکس چندسطحی با باکس‌های وزن‌دار
|
|
|
|
|
|
|
|
نویسنده
|
داوطلب رضا ,بالافر محمدعلی ,فیضی درخشی محمدرضا
|
|
منبع
|
مهندسي برق و مهندسي كامپيوتر ايران - 1395 - دوره : 14 - شماره : 3 - صفحه:217 -228
|
|
چکیده
|
در این مقاله شبکه عصبی فازی مین ماکس چندسطحی با باکس‌های وزن‌دار (wl-fmm) برای استفاده در کلاس‌بندی ارائه می‌گردد که یک ابزار یادگیری با نظارت بسیار سریع بوده و قادر به یادگیری داده‌ها به صورت برخط و تک‌گذار است. در این روش برای حل مشکل نواحی همپوشان که از مشکلات همیشگی روش‌های فازی مین ماکس بوده، از باکس‌هایی با اندازه کوچک‌تر و وزن بیشتر استفاده می‌شود. این کار باعث افزایش دقت طبقه‌بندی شبکه در نواحی مرزی نمونه‌ها می‌گردد. همچنین با توجه به تغییراتی که در ساختار الگوریتم داده شده و بر اساس نتایج آزمایشی به دست آمده، روش ارائه‌شده نسبت به روش‌های مشابه از پیچیدگی زمانی و مکانی کمتری برخوردار بوده و نسبت به پارامترهایی که از طرف کاربر مشخص می‌شود، حساسیت کمتری دارد.
|
|
کلیدواژه
|
طبقه‌بندی، شبکه عصبی، فازی، مین- ماکس، یادگیری ماشین، وزن‌دار
|
|
آدرس
|
دانشگاه تبریز, دانشکده مهندسی برق و کامپیوتر, ایران, دانشگاه تبریز, گروه مهندسی کامپیوتر, ایران, دانشگاه تبریز, گروه مهندسی کامپیوتر, ایران
|
|
پست الکترونیکی
|
mfeizi@tabrizu.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Weighted MultiLevel Fuzzy MinMax Neural Network
|
|
|
|
|
Authors
|
Davtalab R. ,Balafar M. A. ,Feizi-Derakhshi M. R.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|