کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6857498 | 665202 | 2016 | 21 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Weighted fuzzy interpolative reasoning for sparse fuzzy rule-based systems based on piecewise fuzzy entropies of fuzzy sets
ترجمه فارسی عنوان
استنتاج بیولوژیکی فازی وزن برای سیستم های مبتنی بر قاعده ضعیف مبتنی بر انتروپی فازی بسته بندی شده مجموعه های فازی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ترجمه چکیده
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.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
In this paper, we propose a new method for weighted fuzzy interpolative reasoning in sparse fuzzy rule-based systems based on piecewise fuzzy entropies of fuzzy sets. First, the proposed method uses the representative values of antecedent fuzzy sets, the representative values of observation fuzzy sets, and the representative values of consequence fuzzy sets of fuzzy rules to get the characteristic points of the fuzzy interpolative result represented by a fuzzy set. Then, it calculates the piecewise fuzzy entropies between any two characteristic points of the antecedent fuzzy sets, the piecewise fuzzy entropies between any two characteristic points of the observation fuzzy sets, and the piecewise fuzzy entropies between any two characteristic points of the consequence fuzzy sets of the fuzzy rules, respectively. Then, it calculates the weights of the antecedent fuzzy sets of each fuzzy rule, respectively, and calculates the weight of each fuzzy rule. Then, it calculates the piecewise fuzzy entropies between any two characteristic points of the fuzzy interpolative result. Finally, it uses the secant method to calculate the degree of membership of each obtained characteristic point of the fuzzy interpolative result. The experimental results show that the proposed method outperforms the existing methods for dealing with the multivariate regression problems, the Mackey-Glass chaotic time series prediction problem, and the time series prediction problems.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volume 329, 1 February 2016, Pages 503-523
Journal: Information Sciences - Volume 329, 1 February 2016, Pages 503-523
نویسندگان
Shyi-Ming Chen, Ze-Jin Chen,