کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6858990 | 1438462 | 2013 | 18 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
An efficient multi-objective evolutionary fuzzy system for regression problems
ترجمه فارسی عنوان
یک سیستم فازی تکاملی چند منظوره کارآمد برای مشکلات رگرسیون
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
سیستم های فازی تکاملی چند هدفه، مجموعه داده های با ابعاد بزرگ، مجموعه داده های بزرگ، مشکلات رگرسیون،
ترجمه چکیده
اثربخشی این همکاری در دوازده مجموعه داده مورد آزمایش قرار گرفته است. با استفاده از آزمون های آماری غیر پارامتری، ما نشان می دهیم که با وجود دستیابی به راه حل های معادل از لحاظ آماری، پذیرش این هم افزایی، صرفه جویی تا 97.38٪ زمان اجرای با توجه به رویکرد تکامل چند هدفه ای است که قوانین را می آموزد از ابتدا
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
The effectiveness of the synergy has been tested on twelve datasets. Using non-parametric statistical tests we show that, although achieving statistically equivalent solutions, the adoption of this synergy allows saving up to 97.38% of the execution time with respect to a state-of-the-art multi-objective evolutionary approach which learns rules from scratch.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Approximate Reasoning - Volume 54, Issue 9, November 2013, Pages 1434-1451
Journal: International Journal of Approximate Reasoning - Volume 54, Issue 9, November 2013, Pages 1434-1451
نویسندگان
Michela Antonelli, Pietro Ducange, Francesco Marcelloni,