دانلود با لینک مستقیم و پر سرعت .
مشخصات این فایل
عنوان: ترجمه سیستمهای ترکیبی Soft Computing
فرمت فایل : word(قابل ویرایش)
تعداد صفحات: 47
این مقاله در مورد سیستمهای ترکیبی Soft Computing می باشد.
بخشی از تیترها به همراه مختصری از توضیحات هر تیتر از مقاله سیستمهای ترکیبی Soft Computing
2.2 Probabilistic Computing
Rather than retracing the history of probability, we will focus on the development of probabilistic computing (PC) and illustrate the way it complements fuzzy computing. As depicted in Figure 1, we can divide probabilistic computing into two classes: single-valued and interval-valued systems. Bayesian belief networks (BBNs), based on the original work of Bayes [13], are a typical example of single-valued probabilistic reasoning systems. They started with approximate methods used in first-generation expert .....(ادامه دارد)
2-2 محاسبه احتمالی
بجای بررسی مجدد تاریخچه احتمال ،ما بر روی توسعه احتمالی (pc)تمرکز کرده وراهی که در محاسبه فازی مورد استفاده قرار می گیرد را نشان می دهیم .همانگونه که در شکل 1 نشان داده شده است ،می توانیم محاسبه احتمالی را به دو گروه تقسیم کنیم :سیستم های یک ارزشی وسیستمهای بین ارزشی .Bayesian Belief Networks (BBNS) ،براساس کارهای Bayes ،یک نمونه عمومی از سیستمهای استدلالی یک ارزشی هستند .آنها بوسیله روشهای تخمینی مورد استفاده در اول نسل.....(ادامه دارد)
2.3 Neural Computing
The genealogy of neural networks (NN) could be traced back to 1943, when McCulloch and Pitts showed that a network of binary decision units (BDNs) could implement any logical function [23]. Building upon this concept, Rosenblatt proposed a one-layer feedforward network, called a perceptron, and demonstrated that it could be trained to classify patterns [24-26]. Minsky and Papert [27] proved that single-layer perceptrons could only provide linear partitions of the decision space. As such they were not capable .....(ادامه دارد)
3-2 محاسبه عصبی
تاریخچه شبکه های عصبی (NN)را می توان به سال 1943بر گرداند ،زمانی که Mcculloch وPitts نشان دادند که یک شبکه از واحد های تصمیم گیری بانیری(BDNS)می توانند یک تابع منطقی را بکار گیرند .براساس این مفهوم Rosenblatt یک شبکه تک لایه پیشرونده بنام perceptron را معرفی کرد ونشان داد که این شبکه می تواند بوسیله الگوهای طبقه بندی شده یاد گرفته شود .MinskyوPapertنشان دادند که perceptronیک لایه می توانند فقط بخشهای خطی از فضای تصمیم گیری را تشکیل دهند .زیرا آنها قادر به جدا کردن نواحی غیر خطی ویا.....(ادامه دارد)
Evolutionary Computing 2.4
Evolutionary computing (EC) algorithms exhibit an adaptive behavior that allows them to handle non-linear, high dimensional problems without requiring differentiability or explicit knowledge of the problem structure. As a result, these algorithms are very robust to time-varying behavior, even though they may exhibit low speed of convergence. EC covers many important families of stochastic algorithms, including evolutionary strategies (ES), proposed by Rechenberg [38] and Schwefel [39], evolutionary .....(ادامه دارد)
4-2 :محاسبه تکمیلی
الگوریتمهای محاسبات تکمیلی (EC)یک رفتار انطباقی را از خود بروز می دهند که به آنها این اجازه را می دهد تا مشکلات غیر خطی چند بعدی را بدون نیاز به توانایی متمایز کردن یا دانش تفکیک ساختار مسئله ،حل کنند .در نتیجه این الگوریتمها نسبت به رفتار متغیر با زمان خیلی مقاوم هستند وحتی ممکن است آنها سرعت کمی از همگرایی را از خود نشان دهند .ECخانواده های مهمی از الگوریتمهای Stochastic شامل استراتژیهای تکمیلی Es))که بوسیله Rechenberg معرفی شد ،برنامه ریزی تکمیلی EP))که بوسیلهFogel معرفی شد والگوریتمهای ژنتیکی .....(ادامه دارد)
بخشی از فهرست مطالب مقاله سیستمهای ترکیبی Soft Computing
سیستمهای ترکیبی Soft Computing
ما به کجا می رویم؟
چکیده:
1- نگاه کلی به Soft Computing
2- اجزا و رده بندی SC
-2 محاسبه فازی
2-2 محاسبه احتمالی
1-2-2.مقایسه محاسبه احتمالی وفازی
3-2 محاسبه عصبی
4-2 :محاسبه تکمیلی
5-2 طبقه بندی Soft Computing
3- راه حلهای Soft Computing
1-3 روشهای جایگزین برای SC
2-3 روشهای Soft Computing
3-3 نمونه ای از مدلهای sc
4- کاربردهای SOFT COMPUTING ترکیبی
1-4 EC کنترل شده توسط FL : یک روش تولید سریع
2- 4:FLتنظیم شده بوسیله GAها ،یک کاربرد در زمینه حمل ونقل
3-4 :ترکیب استنتاج فازی مبتنی بر مورد با مدلهای ANFIS:
یک کاربرد مالی:
5- نتیجه گیری:
