استخراج قواعد هوشمند از داده های آزمایشگاهی با استفاده از شبکه های عصبی

امروزه استفاده از داده های ورودی خروجی (داده های آزمایشگاهی) و شبکه های عصبی کاربرد بسیار وسیعی در مدلسازی فرایندهای پیچیده دارند. استفاده از شبکه های عصبی برای مدلسازی فرایندهای پیچیده معمولاً منجر به ارائه ی روابط ریاضی پیچیده بین ورودی ها و خروجی فرایند می شود. معمولأ با استفاده از این روابط نمی توان درصد و میزان تأثیرگذاری ورودی ها و خروجی ها را تشخیص داد.در این پایان نامه با استفاده از یک روش ابتکاری و با استفاده از شبکه های عصبی ، به جای استخراج روابط پیچیده ی ریاضی ، قواعد فازی برای مدلسازی و ارتباط بین ورودی ها و خروجی های فرایند استخراج می شود.با استفاده از این روابط فازی رفتار فرایند را می توان با درصد اطمینان بالایی پیش بینی کرد. برای بهینه سازی چند هدفی الگوریتم muga پیشنهاد شده است و از آن برای بهینه سازی چند هدفی و استخراج قواعد فازی برای چندین مورد مطالعاتی شامل سیستم دو جرم-فنر و برشکاری انفجاری و یک معادله ی پیچیده استفاده شده است. در همه موارد منحنی های پارتو که شامل نقاط بهینه غیر برتر است ارائه می شوند و نقطه مصالحه طراحی پیشنهاد می گردد. و در نهایت صحت قواعد استخراج شده ی هر یک از مطالعات باجعبه ابزار فازی نرم افزارmatlab تأیید شده است. مقایسه نتایج، برتری قابل توجهی را نسبت به تحقیقات قبلی در این زمینه نشان می دهد.