الرحیم الرحمن الله بسم

- تطبیقی فازی نورو مدلدانشجویان تحصیلی عملکرد بررسی برای

بیولوژیکی های سیستم مدلسازی سمینارخواه توحید دکتر

دهنده ارائهمقیمی عطیه

2

عناوین فهرستفازی مقدمه تئوری بر موجود مشکالت - تطبیقی فازی نورو های سیستم موجود عملکرد ارزیابی های روش بر مروری - تطبیقی فازی نورو استنتاج سیستم توسعهمراجع گیری نتیجه

3

فازی تئوری برای 1965در جدیدی روش درباره مقاله اولین زاده ،

را آن که نمود ارائه غیراحتماالتی های قطعیت عدم توصیفنامید فازی های مجموعه

: قطعی مرز بدون مجموعه یک فازی مجموعه مجموعه یک به تعلق عدم و داشتن تعلق بین تدریجی گذار باعث که شود می توصیف تعلق توابع با آرام گذار این

عبارات مدلسازی در فازی های مجموعه پذیری انعطافشود می زبانی

فازی ورودی A مجموعه فضای مرتب : X در زوج مجموعه یک

در عنصر هر تعلق بین X تابع تعلق مقدار یک به می 1و 0را.نگارد

4

فازی تئوری یافته تعمیم شکل بل تعلق تابعBell MF پارامتر سه :{a, b, c}با شود می مشخص

5

فازی تئوری - فازی آنگاه اگر قوانین

if x is A then y is BA , B فازی های مجموعه توسط شده تعریف زبانی مقادیر

فضاهای هستند X , Yدر تقریبی استدالل یا فازی استدالل

- اگر قوانین نتیجه استخراج برای که است استنتاجی روال یکشود می استفاده شرط چند یا یک و آنگاه

6

فازی تئوری) فازی ) استنتاج سیستم فازی های مدل

مفهومی مولفه شامل عمومی محاسباتی قالب یک : فازی قوانین انتخاب قانون پایگاه یک : فازی قوانین در استفاده مورد تعلق تابع تعیین داده پایگاه یک : و قوانین مبنای بر استنتاج روال انجام استدالل مکانیسم یک

قبول قابل خروجی یک استخراج برای شده داده شرط یک فازی Sugenoمدل

: فازی قانون نمونه ) if z is A and y is B then z = fیکz ,y )

A , B و فازی های ) fمجموعه چند یک معموال قطعی تابع یک) ای جمله

از نهایی خروجی دارد، قطعی خروجی یک قانون هر چونآید می بدست دار وزن گیری میانگین طریق

7

فازی تئوری فازی های مدل برای تفکیک های شیوه

نواحی تعدادی به را ورودی فضای فازی، قوانین های مقدمیک درون رفتار ها تالی که حالی در کنند می تفکیک محلی

می توصیف مختلف های مولفه طریق از را شده داده ناحیهکنند

پراکندگی تفکیکورودی فضای کل از ای زیرمجموعه پوشش با

ورودی بردارهای از ممکن رخداد ناحیه یک کههمچنین پراکندگی تفکیک کند، می توصیف راقبولی قابل حد تا را قوانین تعداد تواند می

نماید محدود

8

موجود مشکالت ندارد وجود زبانی دانش هیچ که وقتی روش این همه، این با

مناسب نه و است پذیر امکان نه دلیل به است ممکن فازی های سیستم دستی طراحی

زمان به استدالل ساختارهای یا تعلق توابع تعیین سختیمتخصص از زیادی ورودی دانش و طوالنی خطای و سعی

باشد داشته نیاز هستند یادگیری توانایی فاقد فازی های سیستم

دارند متفاوتی عملکرد متفاوت شرایط با مشابه موارد در

9

- تطبیقی فازی نورو های سیستمadaptive neuro-fuzzy systems

متخصص Xدانش که حالتی برای مناسب فازی های سیستمباشد موجود فرایند برای کافی

که حالتی برای مناسب عصبی های سیستم که حالی درباشد داشته وجود گیری اندازه قابل یا کافی فرایند داده

متغیرهای مبنای بر غیرخطی های سیستم شیوه دو هرهای سیستم که تفاوت این با سازند می محدود پیوسته

ولی کنند می عمل نمادین کمیتی شیوه یک در عصبینمادین کیفیتی شیوه به فازی های سیستم

قالب فازی های سیستم دو، این ترکیب با بنابراینو نمایند می فراهم متخصص دانش نمایش برای قدرتمندی

را یادگیری توانایی عصبی های شبکه

10

ارزیابی های روش بر مروریموجود عملکرد

چندین از پذیرفته، پایین مراحل از را دانشجویان که است فرایندی آموزشو ویژه های مهارت و توانایی با متخصصی افرداد و داده عبور پیشرفت مرحله

نماید می فراهم آموزش، باالتر مرحله یا شغل یک برای مناسب تعداد اساس بر هایی مدل توسط مرسوم طور به کلی سیستم های ویژگی

شود مشخصمی کل نمرات میانگین و گذرانده دانشجو که هایی درس نماید نمی تضمین را بعدی دوران برای شده اکتساب شایستگی سیستم این

است شده تعریف دانشجو، های آموخته نه ها گرفته یاد مبنای بر جدیدی روش

11

عملکرد ارزیابی های روشموجود

دانشجو تحصیلی عملکرد بررسی از هدف دروس در شدن رد یا قبول دXرباره گیری تصXمیم انشجویانXد یادگیری سطح برای ای نشانه آوردن بدست آموزش سودXمندی دXرباره اطالعاتی کردXن فراهم

محاسبه برای ارزیابی های ابزار دار وزن جمع بررسی این در: است شده حساب زیر صXورت Xبه دانشجو هر عددی امتیاز

Quiz (Q) is 10%, Major (M) is 15%, Midterm (MD) is 20%, Final (F) is 40%, Performance Appraisals (P) is 10%, and Survey (S) is 5%.

12

- نورو استنتاج سیستم توسعهتطبیقی فازی

بررسی این مدل 228در توسعه برای داده نظر ANFISنمونه درشده گرفته

بخش و ساخت و آموزش برای ورودی های داده مجموعه از بخشیاست شده استفاده مدل عملکرد تست برای دیگر

مدلANFIS شامل و نموده تولید قطعی عددی مقادیر تواند میپارامترهای

زبانی عبارات توسط خروجی و ورودی متغیرهای تعریف خروجی و ورودی فضاهای فازی های بخش درباره گیری تصمیم خروجی و ورودی زبانی متغیرهای برای تعلق توابع انتخاب فازی کنترلی قوانین نوع درباره گیری تصمیم استنتاج مکانیسم طراحی سازی غیرفازی روش یک انتخاب

13

- نورو استنتاج سیستم توسعهتطبیقی فازی

تXاس خروجی کالسترهای تعداد برابر معموال قوانین تعداد شده گرفته نطر در داده مجموعه این برای کالسXتر مرکز پنج

است یک هر که است کالسترها تعداد با برابر قانون مجموعه تعداد

است کالستر ویژگی بیانگر است شده استفاده استدالل روال برای سوگنو مدل از ورودی پارامترهای

Quiz(Q), Major (M), Midterm (MD), Final (F), Performance Appraisals (P),and Survey (S)’

‘ :خروجیStudent’s Academic Performance(SAP) ’ زبانی متغیرهای های برچسب

‘unsatisfactory(A1), average (A2), good (A3), very well (A4), excellent (A5)

14

- نورو استنتاج سیستم توسعهتطبیقی فازی

: - شده استفاده آنگاه اگر قوانین نمونه‘IF the Quiz(Q) of a student is Good and Major

(M) exams are Good and Midterm(MD) exam is Very-good and Final (F) exam is Good THEN The SAP will be Good’

محاسبه شکل بل تابع توسط زبانی مقدار هر تعلق درجهاست شده

15

ارزیابی برای فازی استنتاج روالسوگنو مدل

16

شده تنظیم تعلق توابع Final exam, Major exam ورودی توابع عنوان به

17

مدل ANFISساختار - 6برای یک ورودیسوگنو فازی خروجی

18

آماری ANFISخروجی روش با مقایسه درمرسوم

19

مراجعAn adaptive neuro-fuzzy model for prediction

of student’s academic performance q. Osman Taylan ,Bahattin Karagozog˘lu . Computers & Industrial Engineering 57 (2009) 732–74.

Neuro-Fuzzy Modeling and Control. JYH-SHING ROGER JANG, MEMBER, IEEE, AND CHUEN-TSAI SUN, MEMBER, IEEE. PROCEEDINGS OF THE IEEE, VOL. 83, NO. 3, MARCH 1995

20

شما توجه از تشکر با