شبکه عصبی فازی خودکار مبتنی بر جمعیت برای یادگیری آنلاین مبتنی بر دانش

در این مقاله، یک سیستم پیوندگرای فازی جدید برای یادگیری آنلاین تدریجی و کشف دانش، به نام شبکه عصبی فازی خودکار مبتنی بر جمعیت (pafunn) با جزئیات نشان داده است. pafunn از طریق یادگیری تدریجی تکامل پیدا می کند. اتصالات و نرون های جدید، بر اساس جمعیت نمونه ها ایجاد می شوند، در حالی که در سیستمی عمل می کنند که مزیت کنترل تعدادی از نرون های درگیر در آن را داشته و منجر به پیچیدگی کمتر شبکه می شوند. اتوماتای یادگیرنده به منظور بهینه سازی پارامترهای شبکه از جمله حساسیت و حد آستانه خطا به جهت افزایش کارایی کل سیستم پیاده سازی شده است. سپس روش پیشنهادی با شبکه عصبی فازی تکاملی (efunn) به عنوان یادگیری ماشین آنلاین عمومی بر روی دو مجموعه داده شامل داده های gas furnace و iris برای کارهای پیش بینی و طبقه بندی منجر به تجزیه و تحلیل کاملی از تاثیر انتخاب اتوماتای مناسب خواهد شد. در نهایت نتایجی با پیچیدگی کمتر، دقت و مقاومت بیشتر برای روش پیشنهادی در مقایسه با efunn به دست آمده است.