بهينه‌سازي توابع عضويت در يك طبقه بند مبتني بر سيستم استنتاج عصبي – فازي تطبيقي و آموزش هم‌زمان آن با استفاده از روش IPO

طبقه بند مبتني بر سيستم استنتاج عصبي –فازي تطبيقي از پارامترهاي ساختاري متنوعي تشكيل‌شده است كه هر يك از آن‌ها به‌نوبه خود بر روي عملكرد آن تاثير به سزايي دارد . نوع و مكان توابع عضويت و همچنين روش آموزش اين طبقه بند از مهم‌ترين پارامترها به شمارمي آيد . در اين مقاله، استفاده از الگوريتم بهينه¬سازي صفحات شيب‌دار(IPO) به‌عنوان يكي از جديدترين روش‌هاي ابتكاري براي اولين بار در جهت انتخاب بهينه توابع عضويت و آموزش هم‌زمان در يك طبقه بند مبتني بر سيستم‌هاي استنتاج فازي- عصبي تطبيقي پيشنهاد وپياده سازي شده است. نتايج مقايسه‌اي به‌دست‌آمده حاصل از اين پژوهش نشان مي‌دهد كه روش ارائه‌شده براي بهنيه سازي توابع عضويت و آموزش هم‌زمان آن به‌وسيله‌ي الگوريتم بهينه¬سازي صفحات شيب‌دار(IPO) ، نسبت به ساير روش‌هاي PSO ، GA ، DE ، ACOR از دقت بالاتر و عملكرد بهتري برخوردار مي‌باشد.