ترجمه مقاله بررسی شبکه های عصبی فازی – نشریه الزویر

عنوان فارسی: | بررسی شبکه های عصبی فازی |
عنوان انگلیسی: | Fuzzy neural networks: A survey |
تعداد صفحات مقاله انگلیسی : 13 | تعداد صفحات ترجمه فارسی : 24 |
سال انتشار : 1994 | نشریه : الزویر - Elsevier |
فرمت مقاله انگلیسی : PDF | فرمت ترجمه مقاله : ورد تایپ شده |
کد محصول : 7973 | رفرنس : دارد |
محتوای فایل : zip | حجم فایل : 1.37Mb |
رشته های مرتبط با این مقاله: ریاضی و مهندسی کامپیوتر |
گرایش های مرتبط با این مقاله: هوش مصنوعی، مهندسی الگورزیتم ها و محاسبات و ریاضی کاربردی |
مجله: مجموعه فازی و سیستم - Fuzzy Sets and System |
دانشگاه: ریاضیات، دانشگاه آلاباما بیرمنگام، ایالات متحده آمریکا |
کلمات کلیدی: شبکههای عصبی، الگوریتمهای یادگیری، رگرسیون، کنترلکننده فازی، سیستمهای هوشمند فازی، تحلیل سلسله مراتبی، معادلات فازی، تقریبگر عمومی |
وضعیت ترجمه عناوین تصاویر: ترجمه شده است |
وضعیت ترجمه متون داخل تصاویر : ترجمه نشده است |
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است |
چکیده
1.مقدمه
2. مقالات
3. یادگیری
3.1. پسانتشار فازی
3.2. پسانتشار در برشهای α
3.3. پسانتشار مبتنی بر برش α
3.4. تحقیق تصادفی
3.5. الگوریتمهای ژنتیکی
3.6. هرج و مرج فازی
3.7. دیگر روشهای یادگیری
4. برنامههای کاربردی
4.1. رگرسیون فازی
4.2. کنترلکننده فازی
4.3. سیستم هوشمند فازی
4.4. تحلیل سلسله مراتبی فازی
4.5. معادلات ماتریس فازی
4.6. تقریبگرهای عمومی
4.7. برنامههای کاربردی دیگر
5. خلاصه و نتایج
2. Literature
Probably the first papers to introduce fuzzy sets into neural nets were [45,46] where the authors generalized the McCulloch Pitts model by using intermediate values between zero and one. A survey paper [53] in 1990 discussed the fusion of neural nets and fuzzy logic, however very little research on fuzzy neural nets was done by then with the exception of [44] and Yamakawa's fuzzy neuron. In [44] the authors proposed adding fuzzy membership functions to the perceptron. Yamakawa's initial fuzzy neuron is discussed in [56-58] and his new fuzzy neuron in [59]. His initial fuzzy neuron was of type FNNI. The new fuzzy neuron has, instead of a single weight on each incoming arc to a neuron, a set of fixed fuzzy sets and real number weights. A learning algorithm is applied to the weights. Learning algorithms are discussed in more detail in Section 3. See also [50] for a discussion about improving Yamakawa's initial fuzzy neuron.
2. مقالات
احتمالاً مقالات [45، 46] اولین مقالاتی بودند که محققان درباره مجموعههای فازی داخل شبکههای عصبی ارائه نمودند و در آنها مدل مککولاک – پیتس را با استفاده از مقادیر بین صفر و یک تعمیم دادند. در مقاله بررسی [53] ارائه شده در سال 1990، امتزاج شبکههای عصبی و منطق فازی مورد بحث قرار گرفت، اما تاکنون بجز مقاله مندرج در مرجع [44] و نورون فازی یاماکاوا، تحقیقات چندانی روی مجموعههای عصبی فازی صورت نگرفته است. در مقاله ارائه شده در مرجع [44]، محققان طرح افزودن توابع عضویت فازی به پرسپترون را پیشنهاد دادند.
نورون فازی اولیه یاماکاوا در [58-56] و نورون فازی جدید وی در مقاله مرجع [59] مورد بحث قرار گرفته است. نورون فازی اولیه یاماکاوا مدل FNN1 بود. نورون فازی جدید به جای تک وزن قرار گرفته روی هر قوس ورودی به یک نورون دارای مجموعهای متشکل از مجموعههای فازی ثابت و وزنهای اعداد حقیقی میباشد. از یک الگوریتم یادگیری برای این وزنها استفاده میشود. الگوریتمهای یادگیری در بخش 3 به تفصیل مورد بحث قرار گرفتهاند. همچنین برای آگاهی از مباحث مربوط به بهبود نورون فازی اولیه یاماکاوا به مقاله مندرج در مرجع [50] رجوع شود.