طراحی یک سیستم بهبود یافته استنتاج عصبی – فازی مبتنی بر الگوریتم بهینه سازی وال به منظور پیش بینی میزان اهدای خون

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 58

فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SAIM-6-2_003

تاریخ نمایه سازی: 24 آذر 1402

چکیده مقاله:

یکی از تکنیک های مناسب برای حل مسائل مهندسی جهت پیش بینی متغیر ها در زنجیره تامین و نیز سیستم هایی که دارای پیچیدگی و عدم صراحت زیاد بوده و یا داده های کافی درمورد آن ها موجود نیست، استفاده از تئوری مجموعه های فازی و شبکه عصبی مصنوعی بوده است. این روش نسبت به سایر روش ها در زمان نسبتا کوتاه تری به بررسی داده ها وکشف الگوی نهفته در آن جهت پیش بینی و یا تاثیرگذاری آن بر آینده می پردازد. سیستم استناج عصبی-فازی (انفیس)، شبکه های عصبی و مفاهیم منطق فازی را یکی می کند، می تواند از امکانات هر دو آن ها در یک قاب بهره برد، که سیستم استنتاج آن مطابق با مجموعه قوانین فازی اگر-آنگاه است که قابلیت یادگیری برای تقریب زدن توابع غیرخطی را دارد. تعریف متغیر ها بر اساس داده های گذشته و تاثیر آن متغیر ها در توالی های زمانی گذشته به منظور پیش بینی وضعیت آینده از جمله کاربرد این روش است. لذا در این تحقیق به منظور پیش بینی میزان اهدای خون در مراکز اهدای خون بر اساس داده های سال های گذشته از تکنیک انفیس استفاده شده، از آنجایی که هر روش پیش بینی دارای میزان خطای مخصوص به خود است. به منظور کاهش خطای روش مذکور از الگوریتم فراابتکاری وال به منظور بهبود مقادیر پارامتر های سیستم عصبی -فازی استفاده شده که نتایج حاصله نشان دهنده کاهش خطای جذر میانگین مربعات پیش بینی از ۰.۰۰۲۶۱ به ۰.۰۰۱۵۳ در الگوریتم ترکیبی انفیس-وال و بهبود ۴۱ درصدی آن نسبت به روش انفیس خواهد بود.

کلیدواژه ها:

نویسندگان

طاهر کوچکی تاجانی

دانشجوی دکتری، گروه مدیریت صنعتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران.

علی محتشمی

دانشیار، گروه مدیریت صنعتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران.

مقصود امیری

استاد، گروه مدیریت صنعتی، دانشگاه علامه طباطبایی، تهران، ایران.

رضا احتشام راثی

استادیار، گروه مدیریت صنعتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Williamson, L.M. and D.V. Devine, Challenges in the management of ...
  • Eskandari-Khanghahi, M., et al., Designing and optimizing a sustainable supply ...
  • Privett, N. and D. Gonsalvez, The top ten global health ...
  • Peña, J.R.A., Utilization management in the blood transfusion service. Clinica ...
  • Duan, Q. and T.W. Liao, Optimization of blood supply chain ...
  • Beale, H.D., H.B. Demuth, and M. Hagan, Neural network design. ...
  • Mirfakhraddiny, S.H., H. BabaeiMeybodi, and A. Morovati sharifabadi, Forecast consumption ...
  • Czogala, E. and J. Leski, Fuzzy and neuro-fuzzy intelligent systems. ...
  • Chen, C.P., Y.-J. Liu, and G.-X. Wen, Fuzzy neural network-based ...
  • Ocampo-Duque, W., et al., A concurrent neuro-fuzzy inference system for ...
  • Akbarzadeh-T, M.-R., I. Mosavat, and S. Abbasi. Friendship modeling for ...
  • Mirahadi, F. and T. Zayed, Simulation-based construction productivity forecast using ...
  • Rutkowska, D., Neuro-fuzzy architectures and hybrid learning. Vol. ۸۵. ۲۰۱۲: ...
  • Mirjalili, S. and A. Lewis, The whale optimization algorithm. Advances ...
  • Bagheri, A., et al., Design of ANFIS networks using hybrid ...
  • Marzbanrad, J. and A. Jamali, Design of ANFIS networks using ...
  • Zangeneh, A.Z., et al. Training ANFIS system with DE algorithm. ...
  • Wang, J.-S. and C.-X. Ning, ANFIS Based time series prediction ...
  • Khoshbin, F., et al., Adaptive neuro-fuzzy inference system multi-objective optimization ...
  • Jaafari, A., S.V.R. Termeh, and D.T. Bui, Genetic and firefly ...
  • Bosnes, V., M. Aldrin, and H.E. Heier, Predicting blood donor ...
  • Darwiche, M., et al. Prediction of blood transfusion donation. in ...
  • Ensafian, H., S. Yaghoubi, and M.M. Yazdi, Raising quality and ...
  • Firouzi jahantigh, F., B. Fanoodi, and S. Khosravi, A Demand ...
  • Volken, T., et al., Red blood cell use in Switzerland: ...
  • Alajrami, E., et al., Blood Donation Prediction using Artificial Neural ...
  • Shashikala, B., M. Pushpalatha, and B. Vijaya, Machine Learning Approaches ...
  • Ahmadimanesh, M., et al., Determining the optimal amount of blood ...
  • Moradi, M., Applying Optimized Adaptive Neuro-Fuzzy Inference System to Predict ...
  • Alinejad, A.H. and A. Azar, Designing a Model of Neural-Adaptive ...
  • نمایش کامل مراجع