چکیده فارسی :

در این مقاله سیستم SAFIS بر مبنای شباهت های عملکردی بین شبکه توابع و سیستم میانجی فازی (FIS) ایجاد می گردد. در سیستم SAFIS، مفاهیم مربوط به تاثیر قوانین فازی معرفی شده و با استفاده از این موارد، قوانین مربوط به فازی بر مبنای داده های ورودی که تا به حال دریافت شده اند، حذف یا اضافه می گردند. اگر داده های ورودی مانع اضافه شدن قوانین فازی شدند، به این ترتیب تنها پارامترهای مربوط به قوانین مشخص با استفاده از طرح فیلتر کالمن به روز می گردند. عملکرد SAFIS با چندین الگوریتم موجود در ارتباط با تعیین مشکلات دو سیستم غیر خطی و پیش بینی مشکلات در زمان آشفتگی مقایسه می گردد. نتیجه نشان می دهد که SAFIS که داراتی قوانین کمتری می باشد در مقایسه با الگوریتم های دیگر دارای صحت بیشتر . یا در سطح مشابه آن ها می باشد.

کلیدواژه: سیستم انطباق زنجیره فازی (SAFIS)؛ GAP-RBF؛ GGAP-RBF؛ تاثیر قوانین فازی؛ فبلتر بسط داده شده کالمن

چکیده انگلیسی‌ :

In this paper, a Sequential Adaptive Fuzzy Inference System called SAFIS is developed based on the functional equivalence between a radial basis function network and a fuzzy inference system (FIS). In SAFIS, the concept of “Influence” of a fuzzy rule is introduced and using this the fuzzy rules are added or removed based on the input data received so far. If the input data do not warrant adding of fuzzy rules, then only the parameters of the “closest” (in a Euclidean sense) rule are updated using an extended kalman filter (EKF) scheme. The performance of SAFIS is compared with several existing algorithms on two nonlinear system identification benchmark problems and a chaotic time series prediction problem. Results indicate that SAFIS produces similar or better accuracies with less number of rules compared to other algorithms.