طراحی برنامه شناختی فازی جهت پیش بینی سری زمانی با استفاده از شبکه عصبی

به عنوان یک طرح کارامد برای ارایه اطلاعات و مکانیسم شبیه سازی متناسب با بررسی های بیشمار و در حوزه های کاربردی طرح شناختی فازی توجه زیادی را از جوامع تحقیقاتی مختلف به سمت خود جلب کرده است. به هر حال طرح شناختی فازی سنتی روش کارامدی را برای تعیین حالت سیستم مورد بحث و تعیین کردن کمیت تلفاتی که مبنای نظریه طرح شناختی فازی را مشخص می کنند ایجاد میکند. بنابراین در بسیاری از موارد، ایجاد طرح شناختی فازی برای سیستم های پیچیده بستگی به توان کارشناسی دارد. مدل های ایجاد شده دستی دارای کمبودهایی از نظر خاص بودن مدل و مشکلاتی از نظر دسترسی به حد معقول خود دارند. در این مقاله ما یک شبکه عصبی فازی را برای بالا بردن توان یادگیری طرح شناختی فازی مطرح می کنیم به گونه ای که تعیین اتوماتیک تابع عضویت و مشخص کردن دلایل مربوط به آن با مکانیسم اثباتی طرح شناختی فازی سنتی ادغام میگردد. به این ترتیب، مدل طرح شناختی فازی از سیستمهای تحقیقی به صورت اتوماتیک از داده ها ایجاد شده و بنابراین مستقل از موارد کارشناسی شده میباشند. به این ترتیب تفاسیر مشخصی در ارتباط با دلایل طرح شناختی فازی ایجاد شده و به این ترتیب فرایند استنباط درکش اسان تر می گردد. به منظور ایجاد صحت در عملکرد، روش های بیان شده در پیش بینی بی نظمیهای سری زمانی تست می گردد. بررسی های شبیه سازی شده کارای رویکردهای مطرح شده را نشان می دهد.