عنوان پایان نامه : بررسی پارامترهای مهم در شبکه های عصبی فازی
قالب بندی : PDF
قیمت : رایگان
شرح مختصر : منطق فازی که در آن «زبان طبیعی» به جای متغیرهای عددی برای تشریح رفتار و عملکرد سیستم ها به کار می رود.،بیشترین کاربرد این مقوله به ترتیب در سازماندهی و فراهم آوری اطلاعات بوده است. اکنون برای تضمین امنیت شبکه های اطلاعاتی، از منطق فازی بهره -برداری می شود. در برخی زمینه هاا مانند مستند سازی و مدیریت رکوردها نیز تاکنون پژوهشی با موضوع فازی به انجام نرسیده است. در سالهای اخیر، رویکرد عمده این بحث به سمت نظام های خبره و هوش مصنوعی سوق یافته است. به نظر میرسد برای حل بسیاری از گره های موجود در حوزه مدیریت اطلاعات، می توان از منطق فازی کمک گرفت.
شبکه های عصبی فازی یک سامانه پردازشی دادهها است که از مغز انسان ایده گرفته و پردازش دادهها را به عهده پردازندههای کوچک و بسیار زیادی سپرده که به صورت شبکهای به هم پیوسته و موازی با یکدیگر رفتار میکنند تا یک مسئله را حل نمایند. در این شبکهها به کمک دانش برنامه نویسی، ساختار دادهای طراحی میشود که میتواند همانند نورون عمل کند. که به این ساختارداده نورون گفته میشود. بعد باایجاد شبکهای بین این نورونها و اعمال یک الگوریتم آموزشی به آن، شبکه را آموزش میدهند.
شبکه های عصبی فازی یک سیستم ارگانی شامل نورونها میباشد که اعمال و واکنش جانداران را هماهنگ میسازد و سیگنالها را به بخشهای متفاوت بدن میفرستد. در بیشتر جانداران سیستم عصبی شامل دو بخش مرکزی و بخش جانبی است. در استفادههای جدیدتر این عبارت به شبکه عصبی مصنوعی که از نورونهایی مصنوعی ساخته شدهاست هم اشاره دارد. بنابراین عبارت ‘شبکه عصبی’ در حالت کلی به دو مفهوم مختلف شبکه عصبی زیستی و شبکه عصبی مصنوعی مختلف اشاره دارد.
شبکههای عصبی با توانایی قابل توجه خود در استنتاج نتایج از دادههای پیچیده میتوانند در استخراج الگوها و شناسایی گرایشهای مختلفی که برای انسانها و کامپیوتر شناسایی آنها بسیار دشوار است استفاده شوند.
تنظیم پارامترهای شبکه عصبی مصنوعی را میتوان به عنوان یکی از مهمترین مشکلات استفاده از آن عنوان کرد. روش شبکه عصبی فازی نسبت به سایر روش ها قدرت بالایی در شناخت روند موجود بر داده ها دارد و در تمامی روشهای اندازه گیری خطا نسبت به سایر روشها خطای کمتری دارد . نتایج تحقیق بیانگر آن است که روش شبکه عصبی فازی با توجه به میزان کم خطا دارای همگرایی سریع و توانایی تقریب بالایی است و برای پیش بینی مناسب است.
با تشکر از سرکار خانم محبوبه امین زاده
منبع : پروژه دات کام