Weighted fuzzy interpolative reasoning for sparse fuzzy rule-based systems based on piecewise fuzzy entropies of fuzzy sets

در این مقاله روش جدیدی برای استدلال بینابینی فازی وزنی در سیستم های مبتنی بر قاعده ضعیف مبتنی بر انتروپی فازی بسته ای از مجموعه های فازی پیشنهاد شده است. ابتدا روش پیشنهادی از مقادیر نماینده مجموعه های فازی پیشین، مقادیر نماینده مجموعه های فازی مشاهده و مقادیر نماینده مجموعه های فازی نتیجه قوانین فازی برای به دست آوردن نقاط مشخصی از نتایج یکپارچه فازی ارائه شده توسط مجموعه فازی استفاده می کند. سپس، آنتروپی فازی بسته بندی شده بین هر دو مشخصه از مجموعه های فازی پیشین، انتگرال فازی تکه ای بین هر دو نقطه مشخص از مجموعه های فازی مشاهده و انتروپی فازی تکه ای بین هر دو نقطه مشخص از مجموعه های فازی نتیجه قوانین فازی به ترتیب. سپس، وزنهای مجموعه های فازی پیشین هر قاعده فازی را محاسبه می کند و وزن هر قاعده فازی را محاسبه می کند. سپس، آنتروپی فازی بسته بندی شده بین هر دو نقطه مشخص از نتیجه بینابینی فازی محاسبه می شود. در نهایت، از محاسبه درجه عضویت هر یک از مشخصه های حاصل از نتیجه ی بین المللی فازی استفاده می کند. نتایج تجربی نشان می دهد که روش پیشنهادی از روش های موجود برای مقابله با مشکلات رگرسیون چند متغیری، مسأله پیش بینی سری سری های هرج و مرج مکی - و پیش بینی مسائل سری استفاده می کند.