CONCLUSIONIn this paper, a novel fu

CONCLUSION
In this paper, a novel fuzzy identification method that combines
a modified cluster validity criterion index and ACO and
OLS algorithms is proposed. In general, the initial premise
structure and consequent parameters might affect the final
identification result. Therefore, in this paper, the ACO algorithm
is adopted to sift better initial premises and the consequent
parameters. In addition, an insufficient number of
rules will lead to an inappropriate premise structure and unreasonable modeling results. A modified cluster validity
criterion index is thus adopted to determine the appropriate
rule number. In addition, instead of the conventional FCRM
algorithm, an improved FCRM algorithm is utilized, and
the fuzzy membership matrix U and consequent parameters
2 can be refreshed and varied towards the direction
that minimizes the fitness function gradually. Furthermore,
the antecedent parameters can be obtained from U and the
final consequent parameters can be obtained via the OLS
algorithm. Last, three examples are given to show that the
proposed identification method provides better approximation
results and robustness than those obtained using other
methods.

ผลลัพธ์ (ไทย) 1:

สรุปในเอกสารนี้ มีนวนิยายเลือนเป็นวิธีที่ผสมผสานคลัสเตอร์ที่แก้ไขมีผลบังคับใช้เกณฑ์ดัชนีและ ACO และมีเสนอขั้นตอนวิธี OLS ทั่วไป ผลพรีมีสโครงสร้างและอนหลังพารามิเตอร์อาจส่งผลต่อขั้นสุดท้ายผลการค้นหาการระบุ ดังนั้น ในเอกสารนี้ อัลกอริทึม ACOนำไปร่อนสถานเริ่มต้นที่ดีและจุลินทรีย์พารามิเตอร์ นอกจากนี้ มีจำนวนไม่เพียงพอของกฎจะนำไปสู่โครงสร้างที่มีสถานที่ไม่เหมาะสมและผลไม่มีเหตุผลการสร้างโมเดล คลัสเตอร์แก้ไขอายุจึงมีนำเกณฑ์ดัชนีการตรวจสอบเหมาะสมกฎหมายเลข นอกจากนี้ แทนที่จะ FCRM ทั่วไปจะใช้อัลกอริทึม อัลกอริทึม FCRM ดีขึ้น และเมตริกซ์เลือนสมาชิกคุณและพารามิเตอร์ตที่ตามมา2 สามารถฟื้นฟู และไปในทิศทางที่แตกต่างกันที่ช่วยลดการทำงานออกกำลังกายค่อย ๆ นอกจากนี้สามารถได้รับพารามิเตอร์มาก่อนจากคุณและพารามิเตอร์ตที่ตามมาสุดท้ายสามารถได้รับผ่านการ OLSอัลกอริทึม ล่าสุด ตัวอย่างที่สามจะได้รับเพื่อแสดงว่าการวิธีนำเสนอให้ดีขึ้นประมาณผลลัพธ์และความแข็งแกร่งกว่าผู้ใช้อื่นวิธีการ

ผลลัพธ์ (ไทย) 2:

สรุป
ในบทความนี้เป็นวิธีการระบุนวนิยายเลือนที่รวม
คลัสเตอร์การปรับเปลี่ยนเกณฑ์ดัชนีความถูกต้องและ ACO และ
OLS ขั้นตอนวิธีการเสนอ โดยทั่วไปหลักฐานเบื้องต้น
โครงสร้างและพารามิเตอร์ที่เกิดขึ้นอาจส่งผลกระทบสุดท้าย
ผลประจำตัวประชาชน ดังนั้นในบทความนี้ขั้นตอนวิธี ACO
ถูกนำมาใช้ในการเลือกเฟ้นสถานที่เริ่มต้นที่ดีขึ้นและผลเนื่องมาจาก
พารามิเตอร์ นอกจากนี้ยังมีจำนวนไม่เพียงพอของ
กฎระเบียบที่จะนำไปสู่โครงสร้างสถานที่ที่ไม่เหมาะสมและผลการสร้างแบบจำลองที่ไม่สมควร กลุ่มการแก้ไขความถูกต้อง
ดัชนีเกณฑ์จึงถูกนำมาใช้ในการกำหนดที่เหมาะสม
จำนวนกฎ นอกจากนี้แทน FCRM ทั่วไป
ขั้นตอนวิธีการขั้นตอนวิธีการที่ดีขึ้น FCRM ถูกนำมาใช้และ
สมาชิกเมทริกซ์เลือน U และพารามิเตอร์ที่เกิดขึ้น
2 สามารถฟื้นฟูและแตกต่างกันไปสู่ทิศทาง
ที่ช่วยลดการทำงานของการออกกำลังกายค่อยๆ นอกจากนี้
พารามิเตอร์มาก่อนสามารถได้รับจาก U และ
พารามิเตอร์ที่เกิดขึ้นครั้งสุดท้ายสามารถรับได้ผ่านทาง OLS
อัลกอริทึม ที่ผ่านมาสามตัวอย่างจะได้รับการแสดงให้เห็นว่า
วิธีการระบุเสนอให้ประมาณดีกว่า
ผลงานและความแข็งแกร่งกว่าผู้ที่ได้รับใช้อื่น ๆ
วิธี

ผลลัพธ์ (ไทย) 3:

สรุปในกระดาษนี้ , นวนิยายที่รวมตัววิธีฟัซซี่แก้ไขตามดัชนีและเกณฑ์กลุ่มเอซีและขั้นตอนวิธีที่เสนอ โดยทั่วไปสถานที่เริ่มต้นจึงอาจส่งผลกระทบต่อโครงสร้างและตัวแปรสุดท้ายผล ระบุ ดังนั้น ในกระดาษนี้ , ACO ขั้นตอนวิธีไปร่อนสถานที่เริ่มต้นที่ดีขึ้นและผลพารามิเตอร์ นอกจากนี้ มีไม่เพียงพอ จำนวนกฎจะนำไปสู่สถานที่ตั้งโครงสร้างและผลลัพธ์ที่ไม่เหมาะสมแบบไร้เหตุผล แก้ไขแบบคลัสเตอร์ดัชนีจึงประกาศใช้เกณฑ์กำหนดที่เหมาะสมข้อ . นอกจากนี้ แทนที่จะ fcrm ตามปกติขั้นตอนวิธีการปรับปรุง fcrm ขั้นตอนวิธีและถูกใช้เมทริกซ์ที่สมาชิกแบบฟัซซี่และผลพารามิเตอร์2 สามารถฟื้นฟู และหลากหลายต่อทิศทางที่ลดฟังก์ชันฟิตเนสค่อย ๆ นอกจากนี้พารามิเตอร์มาก่อนที่สามารถได้รับจากคุณและพารามิเตอร์ที่เป็นผลลัพธ์สุดท้าย สามารถได้รับผ่านน้อยที่สุดขั้นตอนวิธี สุดท้าย สามตัวอย่างจะได้รับเพื่อแสดงให้เห็นว่าวิธีการกำหนดให้ขึ้นประมาณผลลัพธ์และทนทานกว่าการได้รับการอื่น ๆวิธีการ