دینا فایل / مدل¬هاي شبكه عصبي موجك فازي براي پيش بيني و شناسايي سيستم¬هاي ديناميكيFuzzy Wavelet Neural Network Models for Prediction and Identification of Dynamical Systems
مدل¬هاي شبكه عصبي موجك فازي براي پيش بيني و شناسايي سيستم¬هاي ديناميكيFuzzy Wavelet Neural Network Models for Prediction and Identification of Dynamical Systems
مقاله لاتین 10 صفحه(2010) پی دی اف
ترجمه (30 صفحه)ورد
قیمت : 5.000 تومان
خلاصه :
اين متن مدلهاي شبكه عصبي موجك فازي (فوزي) (FWNN) براي پيش بيني و تعيين سيستمهاي غير خطي ديناميكي را بيان ميكند. مدلهاي پيشنهادي FWNN از سيستم مرسوم فازي (فوزي) thkagi-Sugeno-Kzng با جايگزيني 10 قسمت از قوانين فوزي با توابع پايه موجكي كه داراي قابليت جزئي شدن در زمان و حوزه فركانس هستند، به دست ميآيد. اولين و آخرين مدل به ترتيب از جمع و ضرب مدلهاي ترجمه و گسترده شدهي توابع پايها ي موجهاي تك فازي به دست ميآيند و در مدل دوم، قسمت سپس (آنگاه) (THEN) از قوانين شامل توابع شعاعي موج است. توابع فعال سازي نوع گوسي در قسمت IF قوانين فازي (فوزي) استفاده شده است. يك الگوريتم آموزشي پايه گرادياني، يعني روش Fletcher-Goldfarb-Shanno- Broydenبراي يافتن مقادير بهينه پارامترهاي نامشخص مدل FWNN استفاده شده است. مثالهاي شبيه سازي نيز جهت مقايسه اثر بخشي مدل در مقايسه با ساير مدلهاي شناخته شده در مقالات بيان شده است. بر اساس نتايج شبيه سازي، مشاهده شد كه مدل FWNN پيشنهاد شده داراي قابليت تعميم دادن قابل توجهي است.
شبکه عصبی موجک فازی, مشخصه‌یابی سیستم, پیش بینی سری زمانی, موجک, شبکه های عصبی موجکی,