نتایج جستجو برای: الگوریتم lolimot
تعداد نتایج: 22400 فیلتر نتایج به سال:
درخت مدل خطی محلی یا LOLIMOT که در آن از نوعی مدل فازی عصبی خطی محلی استفاده شده است، الگوریتمی بر اساس استراتژی تقسیم و حل می‌باشد که در آن حل مسئله پیچیده از طریق تقسیم مسئله به تعدادی زیر مسئله کوچک‌تر (و از این رو ساده‌تر) صورت می‌پذیرد. بنابراین مشخصات این مدل فازی- عصبی (زیرمسئله‌های کوچک‌تر شده) به مقدار زیادی به ساختار الگوریتم به کار برده شده جهت تقسیم‌بندی وابسته می‌باشد. الگوریتم LOL...
چکیده مدل سازی و شناسایی سیستم ها کاربردهای مهمی از جمله در زمینه کنترل فرآیند دارد. به طور معمول فرآیند مدل سازی، به معنای مدل کردن یک سیستم نامشخص با استفاده از داده های ورودی-خروجی می باشد. جهت مدل سازی سیستم دیدگاه های مختلفی پیشنهاد شده است. شناسایی در صورت معلوم بودن ساختار مدل سیستم معمولا منجر به دقت زیاد می شود، اما هنگامی که سیستم، پیچیده و یا دارای عدم قطعیت است، فرآیند مدل سازی ب...
درخت مدل خطی محلی یا lolimot که در آن از نوعی مدل فازی عصبی خطی محلی استفاده شده است، الگوریتمی بر اساس استراتژی تقسیم و حل می باشد که در آن حل مسئله پیچیده از طریق تقسیم مسئله به تعدادی زیر مسئله کوچک تر (و از این رو ساده تر) صورت می پذیرد. بنابراین مشخصات این مدل فازی- عصبی (زیرمسئله های کوچک تر شده) به مقدار زیادی به ساختار الگوریتم به کار برده شده جهت تقسیم بندی وابسته می باشد. الگوریتم lol...
درخت مدل خطی محلی یا LOLIMOT که در آن از نوعی مدل فازی عصبی خطی محلی استفاده شده است، الگوریتمی بر اساس استراتژی تقسیم و حل می‌باشد که در آن حل مسئله پیچیده از طریق تقسیم مسئله به تعدادی زیر مسئله کوچک‌تر (و از این رو ساده‌تر) صورت می‌پذیرد. بنابراین مشخصات این مدل فازی- عصبی (زیرمسئله‌های کوچک‌تر شده) به مقدار زیادی به ساختار الگوریتم به کار برده شده جهت تقسیم‌بندی وابسته می‌باشد. الگوریتم LOL...
مدل عصبی-فازی خطی محلی یک سیستم فازی با ساختار شبکه های عصبی مصنوعی است که ساختار قوانین فازی (مدلهای محلی) آن همانند قوانین فازی در مدلهای فازی تاکاگی-سوگنو-کانگ (tsk) بوده و از امتیاز محلی گرایی برای تقریب و شناسایی بهره می برد. درخت مدل خطی محلی یا lolimot الگوریتمی بر پایه استراتژی تقسیم و حل برای ساخت مدلهای عصبی-فازی خطی محلی می باشد. در این الگوریتم حل مسأله پیچیده با کمک تقسیم مسأله اصل...
This paper describes the modelling and control of a pH neutralization process using a Local Linear Model Tree (LOLIMOT) and an adaptive neuro–fuzzy inference system (ANFIS). The Direct and Inverse model building using LOLIMOT and ANFIS structures is described and compared. The direct and inverse models of the pH system are identified based on experimental data for the LOLIMOT and ANFIS structur...
---------------------------------------------------------------------***--------------------------------------------------------------------Abstract State of charge (SOC) estimation is one of the essential segments of hybrid electrical vehicles (HEV). By monitoring of SOC, we can optimize the consumption of fuel and decrease the pollution of air, in HEV. In this works considers the state of cha...
This paper investigates the local linear model tree (LOLIMOT), a typical neural fuzzy model, in multiple-input-multiple-output predictive control (MPC). In conventional LOLIMOT, structural parameters including centres and variances of its Gaussian kernels are set based on equally dividing input data space. this paper, after initially obtained from space partition, they optimized by gradient des...
The Urumieh-Dokhtar Magmatic Arc (UDMA) is recognized as an important porphyry, disseminated, vein-type and polymetallic mineralization arc. The aim of this study is to identify and subsequently determine geochemical anomalies for exploration of Pb, Zn and Cu mineralization in Mial district situated in UDMA. Factor analysis, Concentration-Number (C-N) fractal model and Local Linear Model Tree (...
This paper explores a new approach to structure identi cation of TakagiSugeno-Kang (TSK) Fuzzy Models. We employ Genetic Programming (GP) to nd an optimal partition of the input space into Gaussian, axis-orthogonal fuzzy sets. We compare the GP approach with a greedy partition algorithm (LOLIMOT) for modeling an engine characteristic map.
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید