معرفی سیستم فازی شبه چند جمله ای تاکاگی-سوگنو-کانگ با کاربرد در شناسایی سیستم و کلاس بندی الگو
Abstract
در این مقاله به معرفی ساختاری نوین از سیستم فازی تاکاگی-سوگنو-کانگ (tsk) که دارای بخش استخراج ویژگی در قسمت ورودی می باشد، می پردازیم. روش پیشنهادی تحت عنوانsemi-polynomial data mapping fuzzy inference system و به اختصار (spmfis) معرفی می شود. در روش پیشنهادی از یک نگاشت داده شبه چند جمله ای به منظور تبدیل ورودیهای اصلی به ورودیهای جدید با ابعاد کاهش یافته استفاده می شود. در گام بعد خروجی حاصل از نگاشت داده شبه چند جمله ای به عنوان ورودی سیستم فازی که در این مقاله از شبکه adaptive network based fuzzy inference system (anfis) بدین منظور استفاده شده است به کار می رود. به منظور آموزش پارامترهای شبکه anfis و بخش نگاشت داده شبه چند جمله ای، از الگوریتم گرادیان نزولی استفاده شده است. همچنین به منظور بررسی کارایی روش مطرح شده، کاربرد آن در کلاس بندی چندین مجموعه داده استاندارد، شناسایی سیستم و پیش بینی سری زمانی مورد بررسی و آزمایش قرار گرفته است. نتایج حاصل از این شبیه سازی ها دلالت بر کارایی بالای روش مطرح شده در برابر روشهای مرسوم شناسایی و کلاس بندی دارد.