در این مطلب، ویدئو چگونه سیستم استنتاج عصبی فازی تطبیقی را در MATLAB/SIMULINK طراحی کنیم؟ (قسمت-1) | دکتر ج.ا لاغری با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید. اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:07:31
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00 =>04
Assalam-u-Alaikum
به کانال یوتیوب من خوش آمدید. امروز
2
04 =>11
قصد دارم در مورد نحوه پیاده سازی
سیستم استنتاج عصبی فازی تطبیقی در نرم افزار MATLAB/SIMULINK بحث کنم
3
11 =>15
.
دوستان در کل مجموعه ANFIS به موضوعات زیر پرداخته
4
15 =>21
خواهد شد.
1. چرا سیستم استنتاج عصبی فازی تطبیقی
5
21 =>26
مورد نیاز است؟
2. محدودیت های کنترل کننده منطق فازی
6
26 =>35
3. معرفی اولیه
ANFIS 4. پیاده سازی ANFIS در MATLAB با استفاده از
7
35 =>40
ابزار رابط کاربری گرافیکی
5. پیاده سازی ANFIS در
8
40 =>46
سیستم استنتاج عصبی فازی تطبیقی Simulink Friends
کاربرد بسیار زیادی در زمینه های مختلف
9
46 =>50
علوم به ویژه در مهندسی دارد. مانند
10
50 =>53
مهندسی برق،
مهندسی مکانیک،
11
53 =>56
مهندسی عمران،
مهندسی الکترونیک، مهندسی مخابرات،
12
56 =>01:00
مهندسی سیستم های کنترل،
13
01:00 =>01:05
مهندسی شیمی،
رباتیک، فرآیندهای صنعتی و کنترل
14
01:05 =>01:10
و هنوز هم بسیاری از زمینه های دیگر وجود دارد که
می توان از ANFIS استفاده کرد.
15
01:10 =>01:14
اکنون، اجازه دهید ابتدا شروع کنیم،
من می خواهم در مورد اینکه چرا
16
01:14 =>01:18
سیستم استنتاج فازی عصبی تطبیقی مورد نیاز است؟
قبل از پرداختن به این نکته،
17
01:18 =>01:25
لازم به ذکر است که کلمه anfis
مخفف Adaptive Neuro Fuzzy Inference
18
01:25 =>01:29
System است.
به عبارت دیگر ANFIS ترکیبی
19
01:29 =>01:35
از شبکه عصبی مصنوعی و
کنترل کننده منطق فازی برای ارائه بهترین عملکرد است.
20
01:35 =>01:41
حال ممکن است این سوال پیش بیاید که چرا
شبکه عصبی مصنوعی با کنترل کننده منطق فازی ترکیب می
21
01:41 =>01:44
شود؟
برای برجسته کردن نیاز آن، بهتر است ابتدا
22
01:44 =>01:49
محدودیت های کنترل کننده منطق فازی را مورد بحث قرار دهیم
.
23
01:49 =>01:55
دوستان، در قسمت سوم از سری فازی
نحوه پیاده سازی کنترل کننده منطق فازی
24
01:55 =>02:01
در نرم افزار متلب سیمولینک،
به محدودیت های کنترل کننده های منطق فازی پرداخته ام.
25
02:01 =>02:06
در آن ویدیو، من بحث کردم که
Fuzzy Logic Controller این محدودیت را دارد
26
02:06 =>02:13
که به خودی خود متخصص نیست.
در واقع به یک متخصص نیاز دارد تا آن را متخصص
27
02:13 =>02:19
کند و بهترین عملکرد را ارائه دهد.
بنابراین، اگر متخصص قوانین اشتباهی را تعیین کند
28
02:19 =>02:24
، کنترل کننده منطق فازی ممکن است عملکرد ضعیفی
را حتی از کنترل کننده PID ارائه دهد.
29
02:24 =>02:29
علاوه بر این، در اکثر مواقع، ما
اطلاعات کافی در مورد
30
02:29 =>02:33
رفتار سیستم نداریم.
بنابراین، در حین اجرای
31
02:33 =>02:36
کنترلکننده منطق فازی، از قوانین صحیح آن مطمئن نیستیم
.
32
02:36 =>02:42
به همین دلیل اغلب از روش ضربه
و آزمایش برای تعیین قوانین استفاده می کنیم و سعی
33
02:42 =>02:47
می کنیم بهترین عملکرد را به دست آوریم.
حال ممکن است این سوال پیش بیاید که چگونه می توان بر این
34
02:47 =>02:52
محدودیت کنترل کننده منطق فازی غلبه کرد؟
آیا می توانید فکر کنید راه حل ممکن
35
02:52 =>02:55
برای غلبه بر این محدودیت چیست؟
دوستان
36
02:55 =>03:01
، برای غلبه بر محدودیت های
کنترل کننده منطق فازی،
37
03:01 =>03:05
می توان از شبکه عصبی مصنوعی استفاده کرد تا کنترل کننده منطق فازی
به تنهایی متخصص شود.
38
03:05 =>03:12
تکرار می کنم، شبکه عصبی مصنوعی را می توان به تنهایی
برای متخصص ساختن کنترل کننده منطق فاز