ترجمه مقاله طرح شناسایی فازی (FCMs) با کاربرد از شبکه عصبی برای تشخیص از قبل سری های زمانی آشوبی

ترجمه مقاله طرح شناسایی فازی (FCMs) با کاربرد از شبکه عصبی برای تشخیص از قبل سری های زمانی آشوبی

توجه برای دیدن نسخه لاتین کامل و درست صحیح  لطفا در قسمت  پایین متون خارجی را به صورت رایگان دانلود نمایید.
قسمتی از متن انگلیسی:

 

However, FCMs (fuzzy recognition plan) traditional, efficient method for determining system status to determine the real cause and effect theory based FCMs (fuzzy recognition plan) is not created. So in many cases, create FCMs (fuzzy identification scheme) complex system of cause and effect is dependent on the knowledge of experts
%d8%af%d8%a7%d9%86%d9%84%d9%88%d8%af-%d8%b1%d8%a7%db%8c%da%af%d8%a7%d9%86-%d8%a7%d8%b5%d9%84-%d9%85%d9%82%d8%a7%d9%84%d9%87-%d8%a7%d9%86%da%af%d9%84%db%8c%d8%b3%db%8cجهت دانلود ترجمه این مقاله به قسمت پایین مراجعه فرمایید

چکیده ترجمه:
به عنوان یک طرح کارامد برای ارائه اطلاعات و مکانیسم شبیه سازی متناسب با بررسی های بیشمار و حوزه های کاربردی، طرح شناخت فازی (FCMs) توجه زیادی را از جوامع تحقیقاتی مختلف به سمت خود جلب کرده است. به هر حال FCMs (طرح شناخت فازی) سنتی، روش کارامدی را برای تعیین وضعیت سیستم مورد بررسی و تعیین علت و معلول که مبنای واقعی نظریه FCMs (طرح شناخت فازی) می باشد، ایجاد نمی کند. بنابراین در بسیاری از موارد، ایجاد FCMs (طرح شناخت فازی) برای سیستم های علت و معلول یچیده بستگی به دانش متخصصان دارد. مدل های ایجاد شده فیزیکی، دارای کمبودهایی مهمی از نظر خاص بودن مدل و مشکلاتی از نظر دسترسی قابل اطمینان دارند. در این مقاله به طرح شبکه عصبی فازی برای بالا بردن توان یادگیری FCMs (طرح شناخت فازی) پرداخته به گونه ای که تعیین خودکار توابع عضویت و تعیین علت و معلول آن با مکانیسم استنتاج  FCMs (طرح شناخت فازی) رایج ادغام می گردد. به این ترتیب، مدل FCMs (طرح شناخت فازی) سیستم های مورد بررسی به صورت اتوماتیک از داده ها ایجاد شده و بنابراین مستقل از یافته های متخصصان می باشند. علاوه بر این، لز زیرمجموعه های متقابل برای تعریف و شرح علت و معلول در FCMs (طرح شناخت فازی) استفاده می کنیم.  این موارد تفاسیر مشخصی را در ارتباط با دلایل FCMs (طرح شناخت فازی)  ایجاد کرده و به این ترتیب درک فرایند استنتاج را اسان تر می کند. برای تایید عملکرد، روش پیشنهادی در سری زمانی پر هرج و مرج پیش بینی شده، تست می گردد. بررسی های شبیه سازی شده کارایی روش پیشنهادی را نشان می دهد.
– مقدمه
از زمان تحقیقات کوشو ، طرح شناختی فازی(FCMs) توجه زیادی را از جوامع تحقیقاتی مختلف به سمت خود جلب کرده است. به عنوان یک روش بررسی مدل ها، برای سیستم های پیچیده،  مدل FCMs به بررسی سیستم های دیگر به عنوان مجموعه ای از مفاهیم و روابط بین این مفاهیم که منشاء آن از ترکیب منطق فازی و شبکه های عصبی می باشد پرداخته است.ذاتا، FCMs به عنوان یک نمودار مستقیم همراه با بازخوردهایی می باشد که شامل مجموعه ای از گره ها و منحنی هایی می باشد که این گره ها را به هم مرتبط می کند. شکل ١ نمایش گرافیکی FCM و ساختار شبکه ای آن را نشان می دهد.
  • فرمت : zip
  • حجم : 2.87مگابایت
  • شماره ثبت : 411

توضیحات
عنوان انگلیسی مقاله: Design of fuzzy cognitive maps using neural networks for predicting chaotic time series
عنوان فارسی مقاله: طراحی نقشه های شناختی فازی با استفاده از شبکه های عصبی برای پیش بینی سری زمانی پر هرج و مرج
دسته: مهندسی صنایع
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 20
مقاله انگلیسی با ترجمه روان فارسی آماده ی خرید می باشد.

%d8%af%d8%a7%d9%86%d9%84%d9%88%d8%af-%d8%aa%d8%b1%d8%ac%d9%85%d9%87-%d9%85%d9%82%d8%a7%d9%84%d9%87-%d9%88-%d8%aa%d9%88%d8%b6%db%8c%d8%ad%d8%a7%d8%aa-%d8%a8%db%8c%d8%b4%d8%aa%d8%b1

در صورت دانلود نشدن :برای دانلود رایگان نسخه انگلیسی این مقاله در سایت میهن همکار در قسمت بالا که برای خرید و دانلود ترجمه مقاله وارد میشوید در آنجا دانلود نمایید
 جهت دانلود مقاله ترجمه شده درمورد طرح شناسایی فازی (FCMs) با کاربرد از شبکه عصبی برای تشخیص از قبل سری های زمانی آشوبی و …قسمت بالا بر روی ( دانلود ترجمه مقاله و توضیحات بیشتر ) کلیک نمایید.

Save

Save

Random Posts

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

*
*

15 − هشت =