در این مقاله شبکه عصبی فازی مین- ماکس چندسطحی با باکسهای وزندار (WL-FMM) برای استفاده در کلاسبندی ارائه میگردد که یک ابزار یادگیری با نظارت بسیار سریع بوده و قادر به یادگیری دادهها به صورت برخط و تکگذار است. در این روش برای حل مشکل نواحی همپوشان که از مشکلات همیشگ أکثر
در این مقاله شبکه عصبی فازی مین- ماکس چندسطحی با باکسهای وزندار (WL-FMM) برای استفاده در کلاسبندی ارائه میگردد که یک ابزار یادگیری با نظارت بسیار سریع بوده و قادر به یادگیری دادهها به صورت برخط و تکگذار است. در این روش برای حل مشکل نواحی همپوشان که از مشکلات همیشگی روشهای فازی مین- ماکس بوده، از باکسهایی با اندازه کوچکتر و وزن بیشتر استفاده میشود. این کار باعث افزایش دقت طبقهبندی شبکه در نواحی مرزی نمونهها میگردد. همچنین با توجه به تغییراتی که در ساختار الگوریتم داده شده و بر اساس نتایج آزمایشی به دست آمده، روش ارائهشده نسبت به روشهای مشابه از پیچیدگی زمانی و مکانی کمتری برخوردار بوده و نسبت به پارامترهایی که از طرف کاربر مشخص میشود، حساسیت کمتری دارد.
تفاصيل المقالة
رایمگ
يقوم نظام رایمگ بتنفيذ جميع عمليات الاستلام والتقييم والحكم والتحرير وتخطيط الصفحة والنشر الإلكتروني للمجلات العلمية.