معرفی سیستم فازی شبه چند جمله‌ای تاکاگی-سوگنو-کانگ با کاربرد در شناسایی سیستم و کلاس بندی الگو

در این مقاله به معرفی ساختاری نوین از سیستم‌ فازی تاکاگی-سوگنو-کانگ (TSK) که دارای بخش استخراج ویژگی در قسمت ورودی می‌باشد، می‌پردازیم. روش پیشنهادی تحت عنوانSemi-Polynomial data Mapping Fuzzy Inference System و به اختصار (SPMFIS) معرفی می‌شود. در روش پیشنهادی از یک نگاشت داده شبه چند جمله‌ای به منظور تبدیل ورودیهای اصلی به ورودیهای جدید با ابعاد کاهش یافته استفاده می‌شود. در گام بعد خروجی حاصل از نگاشت داده شبه چند جمله‌ای به عنوان ورودی سیستم فازی که در این مقاله از شبکه Adaptive Network Based Fuzzy Inference System (ANFIS) بدین منظور استفاده شده است به کار می‌رود. به منظور آموزش پارامترهای شبکه ANFIS و بخش نگاشت داده شبه چند جمله‌ای، از الگوریتم گرادیان نزولی استفاده شده است. همچنین به منظور بررسی کارایی روش مطرح شده، کاربرد آن در کلاس بندی چندین مجموعه داده استاندارد، شناسایی سیستم و پیش‌بینی سری زمانی مورد بررسی و آزمایش قرار گرفته است. نتایج حاصل از این شبیه‌سازی‌ها دلالت بر کارایی بالای روش مطرح شده در برابر روشهای مرسوم شناسایی و کلاس بندی دارد.