دوازدهمین کنفرانس سیستم های هوشمند ایران , 2014-02-04

عنوان : ( طراحی ساختار مناسب ورودی های شبکه عصبی فازی برای پیش بینی سری های زمانی با استفاده از روش تاگوچی و PSCO )

نویسندگان: ندا باقرزاده , محمدرضا اکبرزاده توتونچی ,

بر اساس تصمیم نویسنده مقاله دسترسی به متن کامل برای اعضای غیر دانشگاه ممکن نیست

استناددهی: BibTeX | EndNote

چکیده

یک سری زمانی مجموعه مشاهداتی است که بر اساس زمان مرتب شده باشند. سری های زمانی دارای کاربردهای متفاوتی در زمینه های مختلف مانند اقتصاد و رشته های مهندسی است. بخصوص روش های تجزیه و تحلیل سری های زمانی قسمت مهمی از آمار را تشکیل می دهد. برای پیش بینی شرایط آینده، با استفاده ه از داده های حاضر روش های متفاوتی وجود دارد. شبکه عصبی فازی با توجه به قابلیت یادگیری که دارد یکی از روش های موثر در این زمینه است. در روش پیشنهادی برای تعیین پارامترهای اولیه FNN از PSO سلسله مراتبی استفاده شده است. تعداد ورودی ها نیز از جمله پارامترهای مهم این روش است. در این مقاله روش تاکوچی که یک رویکرد بهینه سازی قوی و سیستماتیک برای طراحی مدل های قابل اعتماد و با کیفیت بالاست، برای تعیین ورودی های مناسب ارائه شده است. مزایای این روش در دو مورد خلاصه می شود: پیش بینی با دقت بالا، و زمان معقول برای پیش بینی.

کلمات کلیدی

, پیش بینی سری زمانی, شبکه عصبی فازی, الگوریتم بهینه سازی انبوه ذرات, روش تاگوچی, آرایه متعامد
برای دانلود از شناسه و رمز عبور پرتال پویا استفاده کنید.

@inproceedings{paperid:1047577,
author = {ندا باقرزاده and اکبرزاده توتونچی, محمدرضا},
title = {طراحی ساختار مناسب ورودی های شبکه عصبی فازی برای پیش بینی سری های زمانی با استفاده از روش تاگوچی و PSCO},
booktitle = {دوازدهمین کنفرانس سیستم های هوشمند ایران},
year = {2014},
location = {ايران},
keywords = {پیش بینی سری زمانی، شبکه عصبی فازی، الگوریتم بهینه سازی انبوه ذرات، روش تاگوچی، آرایه متعامد},
}

[Download]

%0 Conference Proceedings
%T طراحی ساختار مناسب ورودی های شبکه عصبی فازی برای پیش بینی سری های زمانی با استفاده از روش تاگوچی و PSCO
%A ندا باقرزاده
%A اکبرزاده توتونچی, محمدرضا
%J دوازدهمین کنفرانس سیستم های هوشمند ایران
%D 2014

[Download]