مقاله ترجمه شده سیستم استنتاج فازی تطبیقی (SAFIS) برای پیش بینی و شناسایی سیستم های غیرخطی

سال نشر: ۲۰۱۳

تعداد صفحه انگلیسی:۱۶

تعداد صفحه ترجمه فارسی:     ۲۴    صفحه word

(دانلود رایگان مقاله انگلیسی)

کد محصول:CM49

عنوان فارسی:

مقاله  ترجمه شده سیستم استنتاج فازی تطبیقی (SAFIS) برای پیش بینی و شناسایی سیستم های غیرخطی

عنوان انگلیسی:

Sequential Adaptive Fuzzy Inference System (SAFIS) for nonlinear system identification and prediction

چکیده فارسی:

در این مقاله سیستم سیستم استنتاج فازی تطبیقی به نام SAFIS ، بر مبنای شباهت های عملکردی بین شبکه توابع بر پایه شعاع و سیستم استنتاج فازی (FIS) ایجاد می گردد. در سیستم SAFIS (استنتاج فازی تطبیقی)، مفاهیم مربوط به تاثیر قوانین فازی معرفی شده و با استفاده از این موارد، قوانین فازی بر مبنای داده های اولیه ای که تا به حال دریافت شده اند، حذف یا اضافه می گردند. اگر داده های اولیه مانع اضافه شدن قوانین فازی شوند، به این ترتیب تنها پارامترهای مربوط به قوانین مشخص( در مفهوم اقلیدسی) با استفاده از طرح فیلتر کالمن به روز می گردند. عملکرد SAFIS (استنتاج فازی تطبیقی) با چندین الگوریتم موجود در ارتباط با مسئله ارزیابی مقایسه ای شناسایی دو سیستم غیر خطی و مسئله پیش بینی سری زمانی زمان پرهرج و مرج، مقایسه می گردد. نتایچ نشان می دهد که SAFIS (استنتاج فازی تطبیقی) در مقایسه با الگوهای دیگر با توجه به تعداد قوانین کمتر، صحت مشابه یا بهتری را ایجاد می کند.

کلیدواژه: سیستم استنتاج فازی تطبیقی زنجیره ای(SAFIS)؛ GAP-RBF؛ GGAP-RBF؛ تاثیر قوانین فازی؛ فبلتر توسعه یافته کالمن.

مشخص است که سیستم استنتاج فازی(FIS) تقریبا مشابه طرح های ورودی و خروجی با در نظر گرفتن بعضی از قوانین مورد استفاده قرار می گیرد. در طرح FIS، دو فعالیت اصلی وجود دارد که شامل تعیین ساختار و انطباق پارامترها می باشد. شناسایی ساختارها به تعیین ورودی ها و خروجی ها ، متغیرهای پیش رو و قبلی با توجه به قوانین مورد نظر، تعداد قوانین، و موقعیت تابع عضویت می پردازد. فعالیت ثانویه انطباق پارامتر شامل تشخیص پارامترها می باشد زیرا ساختار سیستم فازی در مراحل پیشین مشخص شده اند.

اخیرا، شباهت توابع بین َبکه های به هم پیوسته RBF، و FIS برای به اجرا در آوردن دو مرحله بالا مورد استفاده قرار گرفته است. این طرح از قابلیت های RBF برای تغییر قوانین و همچنین تنظیم پارامترها با توجه به اینکه سلول های پنهانی شبکه RBF در ارتباط با سیستم فازی می باشند، استفاده می کند.

این روش به دو طبقه تقسیم می شود که به نام های طرح آموزشی دسته بندی شده و طرح آموزشی ترتیبی می باشد. در طرح دسته ای، فرض بر این است که داده های آموزشی کامل قبل از شروع فرایند آموزش در دسترس باشند. این آموزش ها معمولا شامل به جریان انداختن داده ها در طی چند دوره می باشد. در طرح ترتیبی ، داده ها یک به یک وارد شده و بعد از یادگیری ر یک از این داده ها، کنارگذاشته شده و هر یک از این فرایندها دیگر وجود نخواهند داشت.

ص ۱۲۶۱

در کاربردهای عملی،  داده های آموزشی جدید متعاقبا وارد شده و برای مدیریت استفاده این دسته ها، تمام این شبکه ها می بیست مجدادا بازیابی شده و به این ترتیب زمان آموزش نیز بیشتر می شود.

از این رو در چنین مواردی، الگوریتم های متوالی نسبت به الگوریتم های دسته ای برتری داشته زیرا آن ها نیاز به فرابند بازیایی در زمان ورود داده های جدید ندارند. در مقایسه با الگوریتم های دسته ای ، الگوریتم ترتیبی نیز در این مقاله مورد بحث قرار گرفته اند عنی، SAFIS دارای خصوصیات زیر می باشد:

۱) تمام فرایندهای آموزشی به ترتیب در سیستم نشان داده می شوند.

۲) در هر زمان، تنها یکی از بخش های آموزشی مشاهده و تعلیم داده می شود.

۳) فرایند آموزش به محض ینکه مراحل آموزشی در ارتباط با مشاهدات کامل شد، خاتمه می یابد.

۴) سیستم آموزشی در ارتباط با ارائه کل فرایندهای آموزشی شامل بررسی های قبلی نمی باشد.

بنابراین، اگر فردی خصوصیات بالا را در ارتباط با الگوریتم ترتیبی مد نظر قرار دهد، بسیاری از الگوریتم های بالا به صورت ترتیبی نخواهند بود، یکی از مشکلات مهم این می باشد که، این فرایند نیازمند آماده کردن داده های آموزشی برای فرایند تعلیم قبل از شروع مرحله آموزش بوده و در واقع به صورت ترتیبی نمی باشند. این نکات در بررسی مختصری که از الگوریتم های زیر انجام شده مد نظر قرار می گیرد.لی و شین از روش حداقل مربعات و یک الگوریتم کلی برای ایجاد سیستم فازی استفاده کرده اند به صورتی که تمام داده ها موجود بوده و چنین روشی به صورت ترتیبی نمی باشد.