به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

least of sum of errors

در نشریات گروه آمار
تکرار جستجوی کلیدواژه least of sum of errors در نشریات گروه علوم پایه
تکرار جستجوی کلیدواژه least of sum of errors در مقالات مجلات علمی
  • سیدمحمود طاهری *
    در موضوع رگرسیون فازی (به سخن دقیق تر: رگرسیون در محیط فازی) دو رویکرد اصلی وجود دارد: رویکرد مبتنی بر کمترین مجموع فاصله ها (شامل دو شیوه کلی: کمترین مجموع مربعات و کمترین مجموع انحرافات) و رویکرد امکانی (رویکرد کمترین ابهام کل تحت برخی قیود). در کنار این دو رویکرد اصلی، روش هاای ابتکاری متعددی در موضوع رگرسیون فازی پیشنهاد شده ااند. برخی از این روش ها بر پایه ترکیب دو رویکرد بالا هستند. برخی از روش های ابتکاری بر اساس الگوریتم هاای محاسباتی خاص می باشند. برخی دیگر، از سیستم های استنتاج فازی استفاده می کنند.
    در برخی از روش ها، مساله رگرسیون فازی به چند زیر مساله تقسیم می شود که با حل آنها مساله اصلی حل و فصل می گردد.
    برخی روش ها نیز بر اساس خوشه بندی است. به کارگیری شبکه های عصبی مصنوعی، الگوریتم های تکاملی و یا شیوه های ناپارامتری از دیگر رویکردهای مورد استفاده است. در این مقاله، ضمن اشاره به تاریخچه و مبانی دو رویکرد کلاسیک به رگرسیون فازی (رویکرد کمترین مجموع فاصله ها و رویکرد امکانی)، برخی روش های ابتکاری در رگرسیون فازی، معرفی و بررسی کوتاه می شوند. نیز، ده ملاک (/ معیار) برای ارزیابی مدل های رگرسیون فازی مطرح می گردد که طبق آن ها بتوان روش ها و مدل های مختلف را ارزیابی و مقایسه نمود.
    کلید واژگان: کمترین مجموع خطاها، رگرسیون امکانی، روش های ابتکاری، خوشه بندی، پهناهای متغیر
    S. Mahmoud Taheri *
    There are two main approches to the fuzzy regression (more precisely: regression in fuzzy environment): the least of sum of distances (including two methods of least squared errors and least absolute errors) and the possibilistic method (the method of least whole vaguness under some restrictions). Beside, some heuristic methods have been proposed to deal with fuzzy regression. Some of them are based on a combination of two mentioned approaches. Some of them are based on computational algorithmes. A few of heuristic methods use the fuzzy inference systems. Also, there are some methods based on clustering, artificial neural networks, evolutionary algorithms, and nonparametric procedures.
    In this paper, a history and basic ideas of the two main approaches to fuzzy regression are reveiwed, and some heuristic methods in this topic are investigated. Moreover, 10 criterion are proposed by which one can evaluate and compare fuzzy regression models.
    Keywords: least of sum of errors, possibilistic regression, heuristic methods, clustering, variable spreads
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال