Hierarchical Modular Granular Neural Networks with Fuzzy Aggregation

در این کتاب روش جدیدی برای سیستم های هوشمند هیبریدی پیشنهاد شده است. روش پیشنهادی مبتنی بر رویکرد محاسباتی دانه‌ای است که در دو سطح اعمال می‌شود. تکنیک‌های مورد استفاده و ترکیب شده در روش پیشنهادی، شبکه‌های عصبی مدولار (MNNs) با رویکرد محاسبات دانه‌ای (GrC) هستند که در نتیجه منجر به مفهوم جدیدی از MNN می‌شود. شبکه های عصبی دانه ای مدولار (MGNN). علاوه بر این، منطق فازی (FL) و الگوریتم‌های ژنتیک سلسله مراتبی (HGAs) تکنیک‌هایی هستند که در این کار تحقیقاتی برای بهبود نتایج استفاده می‌شوند. این تکنیک‌ها به این دلیل انتخاب می‌شوند که در کارهای دیگر نشان داده شده است که گزینه خوبی هستند، و در مورد MNN و HGA، این تکنیک‌ها اجازه می‌دهند تا نتایج به‌دست‌آمده را نسبت به نسخه‌های معمولی خود بهبود بخشند. به ترتیب شبکه های عصبی مصنوعی و الگوریتم های ژنتیک.

In this book, a new method for hybrid intelligent systems is proposed. The proposed method is based on a granular computing approach applied in two levels. The techniques used and combined in the proposed method are modular neural networks (MNNs) with a Granular Computing (GrC) approach, thus resulting in a new concept of MNNs; modular granular neural networks (MGNNs). In addition fuzzy logic (FL) and hierarchical genetic algorithms (HGAs) are techniques used in this research work to improve results. These techniques are chosen because in other works have demonstrated to be a good option, and in the case of MNNs and HGAs, these techniques allow to improve the results obtained than with their conventional versions; respectively artificial neural networks and genetic algorithms.