شناسایی سیستم های دینامیکی غیرخطی توسط شبکه های عصبی-فازی

کنترل معکوس تطبیقی سیستم های دینامیکی غیرخطی با شبکه های عصبی فازی نوع-۲

شبکه های عصبی فازی نوع-2 توانایی بالایی در شناسایی و کنترل سیستم های غیرخطی، سیستم های تغییرپذیر با زمان و نیز سیستم های دارای نامعینی دارند. در این مقاله روش طراحی کنترل کننده معکوس تطبیقی عصبی فازی نوع-2 جهت کنترل برخط سیستم های دینامیکی غیرخطی مورد بررسی قرار گرفته است. ابتدا ساختار کلاسی از شبکه های عصبی فازی نوع-2 بازه ای مدل t-s نمایش داده می شود. این شبکه هفت لایه دارد که عملیات فازی ساز...

پیاده سازی شبکه های عصبی راف با یادگیری احتمالاتی جهت شناسایی سیستم های غیرخطی

در این مقاله یک شبکه عصبی راف بهبود یافته به منظور شناسایی سیستم  های غیرخطی آشوبی ارائه شده است. شبکه  های عصبی راف نوعی از ساختارهای عصبی هستند که براساس نرون  های راف طراحی می  شوند. یک نرون راف را می  توان بصورت زوجی از نرون  ها در نظر گرفت، که به نرون  های کرانه بالا و کرانه پایین موسوم هستند. رویکرد نرون راف استفاده از محاسبات بازه  ای در شبکه عصبی را امکان پذیر می  سازد، بنابراین می  توا...

شناسایی سیستم های دینامیکی غیرخطی با شبکه های عصبی بازگشتی

اصلی¬ترین هدف در شناسایی سیستم¬ها ایجاد مدلی است که رفتاری همانند سیستم اصلی داشته باشد. شناسایی، در سیستم¬های غیرخطی دارای ملاحظات بیشتری نسبت به سیستم¬های خطی است. چرا که فرآیند¬های غیرخطی عموما به¬ صورت منحصر به فرد عمل می¬نمایند و خصوصیات مشترک کمی دارند. در برخی مواقع سیستم غیرخطی مورد نظر یک جعبه سیاه است که هیچ اطلاعی از درون سیستم در دست نمی باشد و تنها اطلاع ما از سیستم، دسته ای از داد...

شناسایی کلاسی از سیستم های دینامیکی غیرخطی با شبکه های عصبی فازی

شبکه های عصبی فازی، یک نوع از سیستم های هوشمند ترکیبی هستند که بر اساس محاسبات عصبی فازی بنا شده اند. این ساختار از ترکیب سیستم های فازی و شبکه های عصبی حاصل شده است. شبکه های عصبی با وجود آنکه دارای مزایای دقت نگاشت ورودی- خروجی و قدرت تطبیق پذیری هستند، اما به دلیل عدم قدرت تفسیر، صرف زمان قابل ملاحظه برای کشف ساختار داخلی و طولانی بودن زمان آموزش محدودیت هایی را ایجاد می کنند. از طرف دیگر سی...

یک الگوریتم یادگیری ترکیبی جهت طراحی شبکه های موجک فازی برای تقریب توابع، شناسایی و کنترل بهنگام سیستم های غیرخطی

در این مقاله، یک الگوریتم یادگیری ترکیبی جدید برای طراحی شبکه های موجک فازی به منظور تقریب توابع، کنترل و شناسایی سیستم های غیرخطی ارائه شده است. الگوریتم پیشنهادی مبتنی بر الگوریتم حداقل مربعات متعامد (OLS)، الگوریتم جهش قورباغه های بهم آمیخته (SFL) و روش حداقل مربعات بازگشتی(RLS) می باشد. الگوریتم حداقل مربعات متعامد جهت تعیین ابعاد شبکه، غربال کردن موجکها به منظور انتخاب موجکهای مؤثرو تع...

شبکه های عصبی موجک، سامانه های فازی - عصبی و من!