Abstract:
منطق فازی به ویژه در صنعت کاربردهای فراوان پیدا کرده است. مثلا در سیستمهای خبره، سیستمهای
پایگاه دادهها و بازیافت اطلاعات، تشخیص الگو و خوشه بندی، سیستمهای رباتیک، فرآوری تصویر و
سیگنالها، تشخیص صدا، تجزیه و تحلیل ریسک، کنترل و... به وفور یافت میشود. امروزه تئوری فازی
در پروژههای چند منظوره نقش اساسی را بازی میکند. این موضوع مخصوصا در رابطه با پروژههای چند
منظوره سیستم هوشمند صادق است. این سیستمها دست ساخته انسان قادر به حل مسائل پیچیده همانند رفتار انسان به طریق هوشمند میباشد. در این گونه پروژهها، معمولا تئوری فازی با محاسبات شبکه عصبی، الگوریتم ژنتیک و سایر متدهای پیش رفته ترکیب و تلفیق میگردند. امروزه از شبکههای عصبی مصنوعی به طور گستردهای برای حل مسائل پیچیده استفاده میشود. از جمله کاربردهای شبکه عصبی مصنوعی میتوان به کار برد آن در هوافضا، حمل و نقل، امور مالی، امور دفاعی و... اشاره کرد. به طور کلی روش پس انتشار خطا برای آموزش شبکه مصنوعی به کار میرود. در اغلب این مطالعات از شبکه عصبی
مصنوعی برای تخمین روابط بین متغیرهای کنترل و متغیرهای پاسخ استفاده شده است که برای دستیابی به تخمین دقیق این روابط نیاز مبرمی به تنظیم پارامترهای شبکه عصبی مصنوعی وجود دارد. در این پژوهش برای تجزیه وتحلیل دادهها از نرم افزار Matlab انجام شده است.
Machine summary:
[2] در اين تحقيق ، به بررسي انتخاب ويژگي فرعي از ويژگيها با استفاده از شبکه هاي عصبي مصنوعي براي حفظ محرمانگي در زمان جمع آوري داده از طرفين شرکت کننده در محيط توزيع شده ، ميپردازيم .
که اين متد داده کاوي، با استفاده از شبکه عصبي- فازي و با حفظ محرمانگي داده هاي توزيع شده ايجاد و مورد تحليل و بررسي قرار خواهد گرفت .
7,1) همچنين لازم بذکر است که در شبکه هايي که داده ها بصورت توزيع شده (Decentralized) جمع آوري و به مرکز داده (Data Miner) ارسال ميشوند، يکي از مهمترين مسايل حفظ محرمانگي داده ها است که هر يک از ارسال کننده هاي اطلاعاتي به اين موضوع نگاه ويژه و خاص خود را دارند.
که بمنظور پياده سازي شبکه عصبي- فازي مورد نظر از نرم افزار MATLAB و با بهره گيري از توابع و مدل هاي بخش ANFIS استفاده شده است که در ادامه نحوه انجام کار و نتايج بدست آمده از آن شرح داده خواهد شد.
در تمامي مسائلي که از شبکه عصبي بصورت مستقل يا بصورت ترکيبي با الگوريتم هاي ديگر استفاده ميشود، بعد از انجام کارهاي اوليه بر روي داده ها و آماده شدن داده هاي نمونه گيري شده بانک اطلاعاتي مورد نظر (Iris Data)، بايستي ساختار کلي شبکه عصبي- فازي را بر اساس شرايط مساله مورد نظر (که در اينجا مساله مورد نظر Feature Selection ميباشد) از قبيل تعداد وروديها، تعداد خروجيها و غيره ايجاد نمود.
لذا در اين تحقيق ، به بررسي انتخاب ويژگي فرعي از ويژگيها با استفاده از شبکه هاي عصبي مصنوعي فازي براي حفظ محرمانگي در زمان جمع آوري داده از طرفين شرکت کننده در محيط توزيع شده ، ميپردازيم .