شبكه عصبي فازي مين - ماكس چندسطحي با باكس‌هاي وزن‌دار

در اين مقاله شبكه عصبي فازي مين - ماكس چندسطحي با باكس‌هاي وزن‌دار (WL-FMM) براي استفاده در كلاس‌بندي ارائه مي‌گردد كه يك ابزار يادگيري با نظارت بسيار سريع بوده و قادر به يادگيري داده‌ها به صورت برخط و تك‌گذار است. در اين روش براي حل مشكل نواحي همپوشان كه از مشكلات هميشگي روش‌هاي فازي مين - ماكس بوده، از باكس‌هايي با اندازه كوچك‌تر و وزن بيشتر استفاده مي‌شود. اين كار باعث افزايش دقت طبقه‌بندي شبكه در نواحي مرزي نمونه‌ها مي‌گردد. همچنين با توجه به تغييراتي كه در ساختار الگوريتم داده شده و بر اساس نتايج آزمايشي به دست آمده، روش ارائه‌ شده نسبت به روش‌هاي مشابه از پيچيدگي زماني و مكاني كمتري برخوردار بوده و نسبت به پارامترهايي كه از طرف كاربر مشخص مي‌شود، حساسيت كمتري دارد.