فایل ورد کامل بررسی شبکه ‌های عصبی فازی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل بررسی شبکه ‌های عصبی فازی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۷ صفحه

۵ خلاصه و نتایج
در این مقاله، الگوریتم‌های یادگیری و موارد کاربرد شبکه‌های عصبی فازی را مورد نقد و بررسی قرار دادیم. ما شبکه عصبی فازی را یک شبکه لایه‌ای پیشخور تعریف می‌کنیم که سیگنال‌های مجموعه فازی را پردازش نموده و دارای وزن‌های مجموعه فازی می‌باشد.
ساخت الگوریتم‌های یادگیری برای شبکه‌های عصبی فازی با مجموعه‌های فازی عمومی‌تر، موضوع اصلی تحقیقات آینده را شکل می‌دهد. در ابتدا محققان تصور می‌کردند که سیگنال‌ها و وزن‌ها، اعداد فازی مثلثی (متقارن) هستند. این تصور برای برنامه‌های کاربردی محدود‌یت زیادی ایجاد می‌کند. در حال حاضر باید این تصور را داشته باشیم که سیگنال ها و وزن‌ها، اعداد فازی (هر نوع) یا مجموعه‌های فازی عمومی به شمار می‌روند. چنین به نظر می‌رسد که الگوریتم‌های ژنتیکی (فازی) شاید ابزار مورد نیاز برای بکارگیری از مجموعه‌های فازی عمومی‌تر باشند. هنگامی که یک الگوریتم یادگیری عمومی برای شبکه‌های عصبی فازی در اختیار داریم، برنامه‌های کاربردی به طور طبیعی به دنبال آن خواهد آمد.

عنوان انگلیسی:Fuzzy neural networks: A survey~~en~~

۵ Summary and conclusions

In this paper we reviewed learning algorithms and applications of fuzzy neural networks. Our definition of a fuzzy neural network is a layered, feedforward, network that processes fuzzy set signals and/or has fuzzy set weights. The main topic for future research is to develop learning algorithms for fuzzy neural nets that have more general fuzzy sets. Initially researchers assumed the signals/weights were (symmetric) triangular fuzzy numbers. This is too restrictive for applications. We need now to assume the signals/weights are fuzzy numbers (any type) or general fuzzy sets. It appears that (fuzzy) genetic algorithms might be the tool needed to handle the more general fuzzy sets. Once we have a general learning algorithm for fuzzy neural nets the applications will follow naturally.

$$en!!