تحلیل پایداری لیلپانوف در آموزش شناساگر فازی-عصبی نوع ۲ با الگوریتم مبتنی برازدحام ترکیبی هوشمند

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 93

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ISEE-12-4_006

تاریخ نمایه سازی: 13 تیر 1402

چکیده مقاله:

چکیده: پایداری آموزش یک مدل در فرآیند شناسایی، یکی از الزامات اولیه در پژوهش های سال های اخیر در زمینه کنترل بوده است. هدف از این مقاله، تحلیل پایداری آموزش سیستم استنتاجی فازی-عصبی نوع ۲ بازه ای (IT۲ANFIS) در هنگام آموزش با یک الگوریتم ترکیبی مبتنی بر ازدحام ذرات است. بخش-های مقدم وتالی مدل به ترتیب با الگوریتم های بهینه سازی ازدحام ذرات (PSO) و فیلتر کالمن (KF) آموزش داده شده اند. یک تابع لیاپانوف جدید برای ارزیابی شرایط پایداری بکار گرفته شده است. این شرایط منجر به محدوده های پایدارساز در پارامترهای قابل تنظیم الگوریتم ها (APAs) همانند ماتریس کوواریانس در KF، ضریب اینرسیایی و بهره ماکزیمم در PSO شده اند. انتخاب پارامترهای قابل تنظیم الگوریتم ها در این محدوده ها پایداری فرآیند آموزش را تضمین نموده است. رویکرد تحلیلی حاصل شده از این مطالعه منجر به پیدایش محدوده های پایدارساز جدید و وسیع تر در این پارامترها شده است. همچنین، پیاده سازی این نظریه در آموزش و پیش بینی مقادیر آتی سری زمانی آشوب مکی گلاس و یک سیستم غیر خطی تصادفی، برتری این نظریه را بر حسب خطای مجذور میانگین مربعات (RMSEs)، زمان شبیه سازی و میزان به دام افتادن در کمینه محلی نشان می دهد.

کلیدواژه ها:

شناسایی ، پایداری لیاپانوف ، سیستم استنتاجی فازی-عصبی تطبیقی نوع ۲ بازه ای ، فیلتر کالمن ، بهینه سازی ازدحام ذرات

نویسندگان

محمد مهدی ذبیحی شش پلی

دانشکده مهندسی مکانیک، برق و کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

مهدی علیاری شوره دلی

استادیار، گروه مکاترونیک، قطب کنترل صنعتی، دانشکده مهندسی برق، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

علی معرفیان پور

استادیار، دانشکده مهندسی مکانیک، برق و کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • A. Zadeh, "The concept of a linguistic variable and its ...
  • Mendel, H. Hagras, W. W. Tan, W. W. Melek, & ...
  • Ruder, "An overview of gradient descent optimization algorithms", ArXiv preprint arXiv: ...
  • S. R. Jang, E. Mizutani, "Levenberg-Marquardt method for ANFIS learning", ...
  • A. Ibrahim, H. B. Zhou, S. X. Tan, C. L. ...
  • Eyoh, R. John, G. De Maere, E. Kayacan, "Hybrid learning ...
  • Vafamand, M. M. Arefi, A. Khayatian, "Nonlinear system identification based ...
  • Liang, J. M. Mendel, "Equalization of nonlinear time‐varying channels using ...
  • Bottou, "Stochastic gradient learning in neural networks", Proceedings of Neuro-Nımes, Vol. ۹۱, ...
  • Darken, J. Chang, J. Moody, "Learning rate schedules for faster ...
  • S. Smith, B. Wu, B. M. Wilamowski, "Neural network training ...
  • T. Reddy, M. P. K. Reddy, K. Lakshmanna, D. S. ...
  • Almaraashi, R. John, A. Hopgood, S. Ahmadi, "learning of interval ...
  • Marzi, A. Haj Darwish, H. Helfawi, "Training ANFIS using the ...
  • Thangavel, A. K. Mohideen, "Mammogram classification using ANFIS with ant ...
  • F. E. H. Noorbin, A. Alfi, "Adaptive parameter control of ...
  • M. A. Pahnehkolaei, A. Alfi, A.Sadollah, J. H. Kim, "Gradient‐based ...
  • Kayacan, E. Kayacan, M. A. Khanesar, "Identification of nonlinear dynamic ...
  • Ebrahimi, A. Hajipour, R. Roshanfekr, " Stator winding short circuit ...
  • Simon, "Training fuzzy systems with the extended Kalman filter", Fuzzy ...
  • A. Shoorehdeli, M. Teshnehlab, A. K. Sedigh, "Training ANFIS as ...
  • A. Khanesar, E. Kayacan, "Levenberg-marquardt training method for type-۲ fuzzy ...
  • H. Abiyev, O. Kaynak, E. Kayacan, "A type-۲ fuzzy wavelet ...
  • Y. Lin, J. Y. Chang, C. T. Lin, "A TSK-type-based ...
  • Tavoosi, A. A. Suratgar, M. B. Menhaj, "Stable ANFIS۲ for ...
  • Feng, C. P. Chen, "Nonlinear system identification using a simplified ...
  • M. Zabihi Shesh Poli, M. Aliyari Shoorehdeli, A. Moarefianpour, "Stability ...
  • M. Zabihi Shesh Poli, M. Aliyari Shoorehdeli, A. Moarefianpour, " ...
  • M. Jerry, "Uncertain rule-based fuzzy systems: Introduction and New Directions", Springer, ...
  • M. Mendel, R. I. John, F. Liu, "Interval type-۲ fuzzy ...
  • N. Karnik, J. M. Mendel, "Centroid of a type-۲ fuzzy ...
  • Wu, J. M. Mendel, "Enhanced karnikMendel algorithms", IEEE transactions on fuzzy ...
  • B. Begian, W. W. Melek, J. M. Mendel, "Stability analysis ...
  • I. Li, G. D. Chen, T. Y. Sung, H. F. ...
  • Eberhart, J. Kennedy, "A new optimizer using particle swarm theory", ...
  • Kadirkamanathan, K. Selvarajah, P. J. Fleming, "Stability analysis of the ...
  • A. Khanesar, E. Kayacan, M. Teshnehlab, O. Kaynak, "Extended Kalman ...
  • C. Mackey, L. Glass, "Oscillation and chaos in physical control ...
  • نمایش کامل مراجع