books implementation of hybrid fuzzy neural systems
If you do not find what you're looking for, you can use more accurate words.
تطبيق الأنظمة العصبية الضبابية الهجينة (Info)
يمكن تطبيق الأنظمة العصبية الضبابية في العديد من المجالات كاستقراء تغيرات البورصة مثلا. حيث يمكن اعتماد متغيرات مثل قيمة الصرف ومؤشرات البورصة العالمية إلخ.. كمداخل للشبكة وتمثل الطبقة الوسطى مجموعة من القواعد على شاكلة:
- إذا كان مؤشر البورصة الأمريكية مرتفعا و سعر الصرف مرتفعا فإن مؤشر البورصة المحلي منخفض
و يتم عن طريق القياسات تعليم الشبكة المعاملات المناسبة الأنظمة العصبية الضبابية القابلة للتكيف Adaptive Neuro-Fuzzy Inference System ظهرت الأنظمة الذكية في عدة من مجالات الصناعة الحديثة, مثل علم صناعة الروبوت "الإنسان الالي" وأنظمة التحكم بالصناعة ومعظم هذه الأنظمة مبنية على الية التحكم الضبابية والتي تصف نظام معقد من العلاقات الرياضية بمجموعة من العبارات اللغوية. تاتي عبارة أنظمة ضبابية من حقيقة ان معظم المشاكل في الحياة العملية هي مشاكل غير واضحة المعطيات وتوضح طبيعة الإنسان انه قادر على القيام بوظائف متعددة بالتقريب والفكرة هنا القدرة على تلخيص كمية هائلة من المعطيات والبقاء قادرا على حل المشاكل بفعالية. كيف تعمل هذه الأنظمة ؟ بافتراض ان مجموعة من المدخلات والمخرجات بحوزتنا ونود إنشاء نظام ضبابي لتقريب هذه البيانات يتكون النظام من مجموعة من الاقترانات التي تبين نسبة المشاركة ""mempership function ومجموعة من القواعد ذات المتغيرات القابلة للتعديل لتضبط هذه الاقترانات. الهدف من خاصية التكيف هو إنشاء نظام ضبابي محسن وهو عبارة عن القدرة على تحويل المعرفة إلى مجموعة من القيود للتقليل تعددية ابحاث الزيادة في الجودة ومن وجهة الباحثين في الخلاية العصبية الصناعية هو القدرة على إنشاء شبكة قادرة على التعديل الذاتي لعناصرها. بالرغم من هذه الخصائص فان هذه الأنظمة بها بعض العيوب حيث انها ذات ناتج واحد وهذا يقلل عدد المشاكل التي يمكنها التعامل معها وان شكل الاقترانات لا يتغير في عملية التعلم مما يؤدي إلى ضعف في المحاكاة. يتكون النظام من عدة طبقات كما هو موضح في الشكل التالي ولكل منها وظيفته :
الطبقة الأولى :- هي الطبقة التي تتعامل مباشرة مع المدخلات حيث تقوم هذه الطبقة بحساب نسبة المشاركة لمجموعة المدخلات حسب القواعد التالية.
الطبقة الثانية :- تقوم بحساب قوة القواعد الموضوعة حسب القاعدة.
الطبقة الثالثة : تقوم بحساب نسبة قوة قاعدة معينا إلى القواعد الأخرى.
الطبقة الرابعة :- نقوم في هذه الطبقة بإضافة بعض المتغيرات التي تسلسل البيانات.
الطبقة الخامسة :- هي الطبقة التي تنتج الجواب النهائي حسب المعادلة
بعد دراسة خصائص هذا النظام وطبيعة العمارة التي يقوم عليها وتتابع سير البيانات فانه يتحتم علينا عرض طريقة التعلم في هذا النظام في ما يلي سنعرض خوارزمية التعلم الهجين " hybrid learning algorithm" من خلال دراسة طبيعة النظام يتضح أن الناتج النهائي يمكن التعبير عنها كمجموعة خطية بالنسبة إلى المتغيرات التي تحدد تسلسل البيانات. تقسم عملية التعلم إلى قسمين رئيسيين الأول هو التمرير الأمامي وفي هذه المرحلة يتم تعديل المتغيرات التي تحدد تسلسل البيانات في الطبقة الرابعة حسب مبدءا المربع الأقل، أما القسم الأخر فهو التمرير الخلفي وبحسب التسمية المطلقة عليه فان التسلسل يكون عكسيا من الناتج إلى المدخلات وفي هذه المرحلة يتم تعديل المتغيرات في قواعد القانون المستخدم في حساب نسبة المشاركة الموجود في الطبقة الأولى من الشبكة. .بعد النظر على الأنظمة الضبابية وبعض الأسس المتعلقة بها لابد من ذكر بعض التطبيقات المهمة لها من أجدر هذه التطبيقات بالذكر هي • Margoil Oil Thickness Estimator • Voltage Instability Predictor (Smart Relay) • Collateral Evaluation for Mortgage Approval
النظام بشكله العملي: في ما يلي سوف نتعرف على الأحد تطبيقات النظام بشكلها المفصل وهو ازالة التشويش من الصور باستخدام الأنظمة الذكية الضبابية يقوم النظام بتقسيم الصور إلى الوحدات الأساسية للصور الا وهي البيكسل ومن ثم يحدد الوحدات التي من المحتمل ان تكون معطوبة وعملية تقريب لاحتمال ان تكون الوحدات الجانبية قد تاثرت بهذا الخلل يتم اكتشاف الوحدات المعطوبة باستخدام قانون المثلثات حيث تقسم الصورة إلى مجموعة من المثلثات وتعتبر النقاط التي تمثل رؤوي المثلث هي البيانات الصحيحة والنقاط الواقعة في المنتصف هي الملفات المعطوبة وفي ما يلي صورة توضح العملية
