چکیده مقاله
پژوهش فوق به بررسی و مقایسه جامع و دقیقی از روشهای آموزش سیستم های فازی عصبی ANFIS با بهرهگیری از انواع الگوریتمهای هوشمند و بهینه سازی میپردازد نتایج به دست آمده نشان می دهد که الگوریتم EPC ، به دلیل توانایی برجسته در حفظ حافظه جمعیت، اشتراک دانش و مکانیزمهای نوآورانه در فرآیند جست وجو، عملکرد بسیار موثرتری را نسبت به سایر الگوریتمهای رایج مانند GA ، PSO و IWO در فرآیند آموزش و بهینه سازی پارامترهای مدل ارائه می دهد علاوه بر این، هنگامیکه با روشهای مرسوم و سنتی مقایسه می شود، مشخص میگردد که بهره گیری از الگوریتمهای ابتکاری و الگوریتم های مبتنی بر طبیعت، میتواند کاهش قابل توجه در خطای سیستم و افزایش چشمگیر دقت، پایداری و کارایی مجموعه سیستم های فازی و عصبی را به همراه داشته باشد این نتایج نشان میدهند که توسعه و ترویج پژوهش در زمینه الگوریتم های نوآورانه و پیشرفته مانند EPC ، نه تنها به بهبود فرآیند آموزش و همگرایی سریع تر آن کمک میکند، بلکه فرصت های جدیدی جهت بهرهوری بیشتر و بهبود مستمر در طراحی و کاربرد سیستمهای فازی و عصبی فراهم می آورد از این رو، ادامه تحقیقات در این عرصه میتواند تاثیر مهمی در ارتقاء فناوریهای هوشمند و سیستم های خودتنظیم داشته باشد و افقهای جدیدی را در توسعه فناوری های نوین فراهم سازد
کلیدواژهها
نویسندگان
فاطمه بناءهمزایی
گروه مهندسی کامپیوتر ،واحد الکترونیکی، دانشگاه آزاد اسلامی ، تهران ، ایران
علی کامران
گروه مهندسی کامپیوتر ،واحد الکترونیکی، دانشگاه آزاد اسلامی ، تهران ، ایران
مجید خلیلیان
گروه مهندسی کامپیوتر ، واحد کرج، دانشگاه آزاد اسلامی ، کرج، ایران
شیوه ارجاع
�ناءهمزایی، فاطمه و کامران، علی و خلیلیان، مجید،1404،ارزیابی و بهینه سازی یک سیستم عصبی-فازی مبتنی بر الگوریتم بهینه سازی کلونی پنگوئنهای امپراتور الهام گرفته از طبیعت : یک مرور جامع،ششمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات،مشهد
ارائهشده در
مجموعه مقالات ششمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات20 اردیبهشت 1404 · مشهد