مقاله لاتین 10 صفحه(2010)
ترجمه (30 صفحه)
قیمت : 20.000 تومان
لینک دانلود مقاله لاتین
http://s6.picofile.com/file/8213980326/Fuzzy_Wavelet_Neural_Network_Models_for.PDF.html
خلاصه :
این متن مدلهای شبکه عصبی موجک فازی (فوزی) (FWNN) برای پیش بینی و تعیین سیستمهای غیر خطی دینامیکی را بیان میکند. مدلهای پیشنهادی FWNN از سیستم مرسوم فازی (فوزی) thkagi-Sugeno-Kzng با جایگزینی 10 قسمت از قوانین فوزی با توابع پایه موجکی که دارای قابلیت جزئی شدن در زمان و حوزه فرکانس هستند، به دست میآید. اولین و آخرین مدل به ترتیب از جمع و ضرب مدلهای ترجمه و گسترده شدهی توابع پایها ی موجهای تک فازی به دست میآیند و در مدل دوم، قسمت سپس (آنگاه) (THEN) از قوانین شامل توابع شعاعی موج است. توابع فعال سازی نوع گوسی در قسمت IF قوانین فازی (فوزی) استفاده شده است. یک الگوریتم آموزشی پایه گرادیانی، یعنی روش Fletcher-Goldfarb-Shanno- Broydenبرای یافتن مقادیر بهینه پارامترهای نامشخص مدل FWNN استفاده شده است. مثالهای شبیه سازی نیز جهت مقایسه اثر بخشی مدل در مقایسه با سایر مدلهای شناخته شده در مقالات بیان شده است. بر اساس نتایج شبیه سازی، مشاهده شد که مدل FWNN پیشنهاد شده دارای قابلیت تعمیم دادن قابل توجهی است.
مدل¬های شبکه عصبی موجک فازی برای پیش بینی و شناسایی سیستم¬های دینامیکیFuzzy Wavelet Neural Network Models for Prediction and Identification of Dynamical Systems