معرفي يك طبقه بند فازي – عصبي مبتني بر روش ابتكاري IPO

يك چالش اصلي براي طراحي طبقه بند فازي – عصبي، استفاده از يك روش كارآمد و مناسب براي به دست آوردن پارامترهاي ساختاري، اعم از انتخاب بهينه ي نوع و مكان توابع عضويت و روش آموزش آن است زيرا اين موارد تأثير به سزايي بروي عملكرد طبقه بند فازي – عصبي دارند. در اين مقاله، يك روش جديد مبتني بر الگوريتم بهينه سازي صفحات شيب دار (IPO ) براي طراحي بهينه ي طبقه بند فازي – عصبي به جهت بالا بردن دقت و مينيمم سازي خطاي آن براي اولين بار پيشنهاد و پياده سازي شده است. كارايي اين روش با استفاده از آزمايش هاي مكرر انجام شده بروي چند پايگاه داده مشهور كه از تعداد كلاسهاي مرجع متفاوت، طول بردارهاي ويژگي متفاوت و پيچيدگي مناسب در بازشناسي الگو برخوردار است بررسي شده است. اين مطالعه نشان داده است كه طبقه بند فازي- عصبي مبتني بر روش ابتكاري IPO ازلحاظ دقت و عملكرد، برتري و توانايي بالايي نسبت به يك طبقه بند فازي – عصبي ساده دارد. به علاوه در آزمايشهاي انجام گرفته ويژگي منحصربه فردي از روش پيشنهادي پديدار شد و آن پايداري نسبتاً خوب در طبقه بندي صحيح داده ها در تمام موارد است.