معرفی یک الگوریتم ترکیبی درهم‌تنیده‌ برای آموزش نگاشت‌های ادراکی فازی

نویسندگان

1 دانشگاه علم و صنعت ایران

2 دانشجوی کارشناسی ارشد، دانشگاه علم و صنعت ایران

3 دانشجوی دکتری، دانشگاه علم و صنعت ایران

چکیده

نگاشت‌های ادراکی فازی (FCM) که از تکنیک‌های محاسبات نرم محسوب می‌شوند، با ترکیب منطق فازی و تئوری شبکه‌های عصبی، به عنوان ابزاری قدرتمند برای مدل‌سازی سیستم‌های پیچیده معرفی گشته‌اند. استفاده از الگوریتم‌های یادگیری مختلف برای غلبه بر ضعف‌های این مدل، یکی از حوزه‌های فعال علمی است. در این مقاله یک الگوریتم ترکیبی جدید مبتنی بر الگوریتم یادگیری هبین غیرخطی (NHL) و الگوریتم ژنتیک کدحقیقی (RCGA) معرفی می‌شود که به صورت درهم‌تنیده عمل کرده و با بهبود مشخصه‌های هر یک از این دو الگوریتم، قابلیت به‌کارگیری در مدل‌های مختلف تصمیم‌گیری را با دقت بالا دارد. مدل پیشنهادشده بر روی یک مسئله‌ی کنترل فرآیند پیاده‌سازی شده است.

کلیدواژه‌ها

عنوان مقاله [English]

An entangled hybrid algorithm for training fuzzy cognitive maps

نویسندگان [English]

  • M. R. Mosavi 1
  • Akram Mohseni 2
  • Abdollah Amirkhani 3
چکیده [English]

Fuzzy cognitive maps (FCMs) that are soft computing techniques, by combining fuzzy logic and neural network theory, have been known as a powerful tool for modeling complex systems. Utilization of different learning algorithms to overcome the weaknesses of this model, is one of the active area of science. In this paper, a new hybrid algorithm based on nonlinear Hebbian learning and real-coded genetic algorithm is introduced, which operate in an entangled way and by improving the characteristics of each of these two algorithms, can be applied in different decision-making models with high precision. The proposed model is implemented on a process control problem.

کلیدواژه‌ها [English]

  • Hybrid learning algorithm
  • Genetic Algorithm
  • Fuzzy cognitive map
  • Nonlinear Hebbian learning

فایل ها

اشتراک گذاری

ارجاع به این مقاله

آمار