شماره ركورد كنفرانس :
4268
عنوان مقاله :
معرفي الگوريتم PEFMM: استفاده از تكنيك جايگشت براي بهينه سازي تعداد اَبَر قالبها در الگوريتم بهينه شده عصبي فازي EFMM با رويكرد طبقه بندي الگو
پديدآورندگان :
آبروشن ياسر y.abroshan@mshdiau.ac.ir دانشگاه آزاد اسلامي , اكبرزاده توتونچي محمدرضا akbarzadeh@kiaeee.org دانشگاه آزاد اسلامي
كليدواژه :
يادگيري شبكه هاي عصبي فازي , Max-Min , طبقه بندي الگو , جايگشت نمونه هاي ورودي
عنوان كنفرانس :
دومين كنگره بين المللي حضوري / مجازي فن آوري ، ارتباطات و دانش
چكيده فارسي :
در اين مقاله بهبودي بر روش تركيبي عصبي فازي EFMM ارائه شده است كه هدف اصلي آن بهبود تعداد اَبَرقالب هاي چند بعدي توليد شده در اين روش مي باشد كه به طور مطلوبي بر كارايي الگوريتم در طبقه بندي الگوها از نظر سرعت و پيچيدگي كمتر محاسبات در حال اجرا، تاثير گذار خواهد بود. نكته كليدي در اين بهبود، استفاده از يك مرحله اضافي در فرايند آموزش اين روش است، بنحوي كه با اجراي آن مي توان تاثير ترتيب توالي نمونه هاي آموزش اين روش را كه بصورت آنلاين انجام مي پذيرد تا حد زيادي بي اثر نمود و در نهايت تعداد بهينه شده اي از اَبَرقالب ها را در هنگام تست الگوريتم استفاده كرد. تعداد كمتر اَبَرقالب ها به سرعت بهتر تشخيص در طبقه بندي الگوها و افزايش دقت آن كمك خواهد نمود. نام اين روش بهبود يافته PEFMM قرار داده شده است و كارآيي اين روش با استفاده از بانكهاي داده استاندارد در مقايسه با EFMM معمول بررسي شده است.
