دانلود پاورپوینت ریاضیات درس تئوری مجموعه ها (روشهای غیر فازی سازی )

دانلود پاورپوینت ریاضیات درس تئوری مجموعه ها (روشهای غیر فازی سازی )

دانشجویان و کاربران گرامی : فایلی که اکنون معرف حضور شماست فایل جامع پاورپوینت ریاضیات درس یادگیری (خوشه بندی داده ها) نوشته دکتر عباد زاده از دانشگاه امیر کبیر می باشد. این فایل شامل ۵۴ اسلاید زیبا سودمند و قابل ویرایش می باشد و در قالب فرمت ppt تهیه شده است .امیدواریم که سودمند بوده و مورد استفاده شما سروران گرامی واقع گردد. در صورت نیاز می توانید این فایل ارزشمند را با مناسب ترین قیمت از فروشگاه سایت یوفایل خریداری و دانلود نمایید.

پاورپوینت ریاضیات درس تئوری مجموعه ها (روشهای غیر فازی سازی )

قسمتهایی از متن فایل:

تئوری مجموعه ها : روشهای غیر فازی سازی
 ماکزیمم:

جایی که تابع تعلق بیشترین مقدار را دارد :mC(z*) ³ mC(z)   zÎZ

شبیه سازی توابع غیرخطی توسط قوانین فازی:

y*=(åi`yi.mAi1(x1*). . .mAin(xn*))/(åi mAi1(x1*). . .mAin(xn*))

y* = (åi`yi.mAi(x*))/(åi mAi(x*))

توجیه فرمول  ?

شبکه عصبی فازی

y*=(åi`yi.mAi1(x1*). . .mAin(xn*))/(åi mAi1(x1*). . .mAin(xn*))

اگر ورودی ها را مجموعه های فازی گوسی فرض کنیم

mAij(x) = exp( -((x -`xij)/sij)2 )

y*=(åi`yi.mAi1(x1*). . .mAin(xn*))/(åi mAi1(x1*). . .mAin(xn*))

mAij(x) = exp( -((x -`xij)/sij)2 )

åi mAi1(x1*). . .mAin(xn*)=1

داده های ورودی وخروجی آموزشی به عنوان قوانین فازی در نظر گرفته میشوند

mAij(x) = exp( -((x -`xij)/sij)2 )

ابتدا شبکه با یک داده ورودی وخروجی آموزشی ایجاد میشود. سپس با داده ورودی وخروجی آموزشی دیگری شبکه تست میشود

در صورتیکه مقدار خروجی    کوچکتر از نیم باشد این داده به عنوان یک قانون به شبکه اضافه میشود

و این مرحله برای تمامی داده های ورودی وخروجی آموزشی تکرار میشود. در انتها شبکه با داده های ورودی وخروجی آموزشی آموزش داده می شود.

مزیت های شبکه عصبی فازی

وزن های اولیه از روی داده ها تعیین می شوند و بصورت تصادفی انتخاب نمی شوند

بنابراین سرعت یادگیری بیشتر و هم گرایی تضمین بالاتری دارد تعداد نرون ها به تعداد داده های آموزشی مستقل و دقت   (انحراف معیار) بستگی دارد.

مطالعه بیشتر