بهبود ماشين يادگير هيجاني مغز با الهام از ماشين يادگير محدود فازي آنلاين حافظه‌دار بازگشي مبتني بر سيستم عصبي فازي تاكاگي‌سوگنو

الگوريتم‌هاي مختلف طبقه‌بندي و مدل‌هاي پيش‌بيني در بسياري از علوم و تكنولوژي بطور گسترده استفاده مي‌شوند. در ميان روش‌هاي مختلف آن‌ها، روش‌هاي داده-محور مشهور شامل مدل‌هاي شبكه‎‌هاي عصبي مصنوعي و فازي عصبي بدليل ويژگي‌هايشان مورد توجه بسياري از محققين قرار گرفته است. به منظور توسعه و غلبه بر معايب اين مدل‌ها، از مفاهيم سيستم‌هاي بيولوژيكي مغز انسان استفاده مي‌شود. بر اين اساس از سيستم ليمبيك مغز هيجاني جهت توسعه اين مدل‌هاي استفاده مي‌شود. يادگير هيجاني مغز يك شبكه عصبي مصنوعي هيجاني مبتني بر تعامل مولفه‌هاي تالاموس، كورتكس، آميگدلا و اوربيتوفرانتال است. اين ماشين يادگير معماري و الگوريتم‎هاي يادگيري متفاوتي دارد.در اين مقاله از ماشين يادگير محدود فازي آنلاين به عنوان اجزاي تشكيل دهنده آميگدلا و اوربيتوفرانتال در ماشين يادگير هيجاني مغز استفاده مي‌شود. به منظور تعامل ميان اجزاي اصلي ماشين يادگير هيجاني مغز، از ماشين يادگير محدود فازي آنلاين حافظه‌دار بازگشتي با عمق حافظه مختلف با قابليت انتقال يادگيري استفاده مي‌شود. ماشين طراحي شده نهايي، ماشين يادگير هيجاني مبتني بر ماشين يادگير محدود فازي حافظه‌دار بازگشتي آنلاين ناميده مي‌شود. ماشين شناختي ارائه شده بر اساس يادگيري داده‌هاي آموزش به صورت الگو- الگو يا دسته-دسته (با طول ثابت و متغيير) طراحي شده است و مي‌تواند داده‌هاي آموزشي را كه قبلا آموزش ديده‌اند را كنار بگذارد. مقايسه كارآيي روش پيشنهادي با روش‌هاي يادگيري مشابه بر روي مسائل سري‌هاي زماني آشوبي انجام مي‌شود. نتايج تجزيه و تحليل و شبيه‌سازي نشان مي دهد كه كارايي و دقت روش پيشنهادي بيشتر از ساير روش‌ها است.