میثم بهمنش - دانشجوی کارشناسی ارشد، مهندسی کامپیوتر هوشمصنوعی، دانشکده مهندسی دانشگاه شهید باهنر کرمان
مجید محمدی - عضو هیات علمی، گروه مهندسی کامپیوتر، دانشکده مهندسی دانشگاه شهید باهنر کرمان

این مقاله، یک روش ترکیبی جدید، برای آموزش سیستم استنتاج عصبی-فازی ANFIS ارایه می دهد. روش های قبلی برای آموزش، بر پایه گرادیان و حداقل مربعات بودند. در این مقاله، از ترکیب الگوریتم بهینه سازی تکاملی مبتنی بر شبیه سازی مفاهیم سیاسی-اجتماعی، با نام الگوریتم رقابت استعماری، همراه با تخمین حداقل مربعات LSE، برای آموزش سیستم عصبی-فازی و تخمین پارامترهای آن استفاده شده است. بدین صورت که از الگوریتم رقابت استعماری ICA، برای تخمین پارامتر های بخش مقدم و از تخمین حداقل مربعات LSE، برای تخمین پارامترهای بخش تالی استفاده می کنیم. در ادامه، از روش ارایه شده، برای پیش بینی سری های زمانی آشوبناک استفاده کرده و نتایح این روش را با سایر روش ها مقایسه می کنیم. برای این کار، از دو سری زمانی آشوبناک معروف Lorenz و Mackey-Glass استفاده کرده و آنها را با روش ارایه شده پیش بینی می کنیم. نتایج این روش، قدرت بالای الگوریتم ترکیبی ICA-ANFIS را در پیش بینی سری های زمانی آشوبناک تایید می کند. علاوه بر این ، روش ارایه شده، در طرح های پیچیده قابلیت انطباق بیشتری داشته و با توجه به اینکه پارامترهای کمتری برای آموزش دارد پیچیدگی کمتری نسبت به روش های مبتنی بر گرادیان دارد.

سیستم استنتاج عصبی-فازی، الگوریتم رقابت استعماری، تخمین حداقل مربعات، پیش بینی سری های زمانی آشوبناک