‌نقشه های شناختی فازی پیشرفته (fcm) رویکردی برای مدل سازی سیستم های پیچیده ی پویا

نوشته ی حاضر، بررسی برخی مشکلات مدل سازی، بیان ویژگی ها و نیز تجزیه و تحلیل سیستم‌های پیچیده ی پویا (csd) با استفاده از نقشه های شناختی فازی (fcm) است. تجزیه و تحلیل و کنترل کارآمد csd بدون یک مدل رسمی از سیستم غیرممکن است. مشکل کلیدی csd و تئوری کنترل، توسعه روش‌های تحلیل کیفی پویا و رفتار چنین سیستم‌هایی و ساخت الگوریتم‌های کنترل کارآمد برای عملکرد کارآمد آنها است. توصیف کیفی بیشتر پارامترهای سیستم‌های پیچیده ی پویا، به‌طور اجتناب‌ناپذیری منجر به ابهام، پیچیدگی و عدم قطعیت می‌شود. دلایل استفاده از نقشه های شناختی فازی (fcm) در مدل سازی csd ارائه شده است. fcm ها فرصتی را برای تولید دانش جدید بر اساس برنامه های کاربردی سیستم ارائه می دهند و نیاز به رسیدگی به عدم قطعیت ها، ابهامات و نادرستی های مرتبط با مشکلات واقعی csd را برطرف می کنند. در این مطالعه، اصول اولیه fcm به طور خلاصه مطرح شده و سپس الگوریتم nhl برای آموزش مدل fcm و تنظیم این وزن ها. با عبارات فازی و تبدیل داده های کیفی به کمی، ارائه و یک مثال در مورد عوامل موثر بر پدیده ی طلاق مطرح شد. نتایج مثال نویدبخش، پیشرفت بیشتر مدل سازی و کنترل csdبا استفاده از روش های محاسبات نرم است.