رویکرد نروفازی جهت کاهش فضای سازگاری سیستم های خود تطبیق

چکیده مقاله

یکی از چالش های بسیار بزرگ در حیطه موضوع سیستم های خود تطبیق کاوش پایگاه دانش، استخراجاطلاعات و دانش مورد نیاز از پایگاه دانش و سپس اخذ تصمیم می باشد در حالت عادی پایگاه دانش در سیستم خود تطبیق، محیطیبسیار حجیم است که استخراج اطلاعات از آن بسیار زمانبر و دشوار میباشد در حالی که درسیستم های خود تطبیق نیاز به داشتن سرعت عمل در اخذ و اجرای تصمیمات توسط سیستم، است این مقاله سعی در ارائه تلفیق یادگیری ماشین با سیستم های خودتطبیق جهت تولید و طراحی مکانیزمی برایپادگیری شرایط سیستم و سپس پیشنهاد گزینه مناسب به سیستم است در این راستاء به دلیل کیفی بودن محیط وشرایط محیط، استفاده از منطق فازی می تواند منجر به ارتقای تصمیم گیری و مواجهه با حالت های مختلف محیطگردد در این مقاله اقدام به استفاده از شبکه نروفازیء به منظور یادگیری فضای سازگاری و کاهش گزینه های سازگاریدر زمان اخذ تصمیم و در نتیجه کوتاه تر شدن زمان تصمیم داریم این روش با روش معمول در سیستم خود تطبیق و همچنین با شبکه عصبی مصنوعی بدون منطق فازی،مقایسه گردید که بر طبق نتایج و آزمایشات انجام شده، رویکرد پیشنهادی سرعت اخذ تصمیم را افزایش داده، تاخیر ونرخ از دست دادن بسته ها را کاهش و در مصرف انرژی شبکه صرفه جویی کند

کلیدواژه‌ها

نویسندگان

کاظم نیک فرجام

عضو هیات علمی دانشگاه آزاد اسلامی واحد بیرجند

نیک فرجام، کاظم،1401،رویکرد نروفازی جهت کاهش فضای سازگاری سیستم های خود تطبیق،هجدهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل

ارائه‌شده در

مجموعه مقالات هجدهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات4 اسفند 1401 · بابل