فایل ورد کامل مدل رگرسیون فازی جدید مبتنی بر شبکه عصبی فازی و مدیریت بوسیله ی این مدل

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 مدل رگرسیون فازی جدید مبتنی بر شبکه عصبی فازی و مدیریت بوسیله ی این مدل،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۴ صفحه

در این مقاله یک روش ترکیبی جدید مبتنی بر شبکه عصبی فازی با بازه ‏زمانی برای تقریب مدل های رگرسیون فازی با بازه زمانی ارائه شده است. در این مقاله بدنبال گسترش تحقیقاتی مدل های رگرسیون فازی هستیم. آموزش شبکه عصبی فازی با بازه ‏زمانی (IVFNN) را می توان با داده های فازی با بازه زمانی و حلقه ای انجام داد. شبکه عصبی ، بخشی از یک میدان بزرگ به نام محاسبات عصبی یا محاسبات نرم محسوب می شود. علاوه بر این، برای یافتن پارامترهای تقریبی، الگوریتم ساده ای از تابع هزینه شبکه عصبی فازی ارائه شد. در نهایت، به شرح رویکردمان با نمونه های عددی پرداخته و این روش را با روش های موجود مقایسه کردیم.

کلید واژه ها: شبکه های عصبی فازی با بازه ‏زمانی | مدل رگرسیون فازی با بازه ‏زمانی | شبکه عصبی Feedforward | الگوریتم یادگیری

عنوان انگلیسی:

A new fuzzy regression model based on interval-valued ‎fuzzy neural network and its applications to management

~~en~~ writers :

Somaye Yeylaghi, Mahmood Otadi, Niloofar Imankhan

In this paper, a novel hybrid method based on interval-valued fuzzy neural network for approximate of interval-valued fuzzy regression models, is presented. The work of this paper is an expansion of the research of real fuzzy regression models. In this paper interval-valued fuzzy neural network (IVFNN) can be trained with crisp and interval-valued fuzzy data. Here a neural network is considered as a part of a large field called neural computing or soft computing. Moreover, in order to find the approximate parameters, a simple algorithm from the cost function of the fuzzy neural network is proposed. Finally, we illustrate our approach by some numerical examples and compare this method with existing methods.

Keywords: Interval-valued fuzzy neural networks | Interval-valued fuzzy regression model | Feed forward neural network | Learning algorithm

$$en!!