در این مقاله به معرفی ساختاری نوین از سیستم فازی تاکاگی – سوگنو – کانگ (TSK) که دارای بخش استخراج ویژگی در قسمت ورودی می باشد، می پردازیم. روش پیشنهادی تحت عنوان Semi-Polynomial data Mapping Fuzzy Inference System و به اختصار (SPMFIS) معرفی می شود. در روش پیشنهادی از یک نگاشت داده شبه چندجمله ای به منظور تبدیل ورودی های اصلی به ورودی های جدید با ابعاد کاهش یافته استفاده می شود. در گام بعد خروجی حاصل از نگاشت داده شبه چندجمله ای به عنوان ورودی سیستم فازی که در این مقاله از شبکه (Adaptive Network Based Fuzzy Inference System (ANFIS بدین منظور استفاده شده است به کار می رود. به منظور آموزش پارامترهای شبکه ANFIS و بخش نگاشت داده شبه چندجمله ای، از الگوریتم گرادیان نزولی استفاده شده است. همچنین به منظور بررسی کارایی روش مطرح شده، کاربرد آن در کلاس بندی چندین مجموعه داده استاندارد، شناسایی سیستم و پیش بینی سری زمانی مورد بررسی و آزمایش قرار گرفته است. نتایج حاصل از این شبیه سازی ها دلالت بر کارایی بالای روش مطرح شده در برابر روش های مرسوم شناسایی و کلاس بندی دارد.

در مسائل مختلف زیست محیطی توانایی روش های مبتنی بر منطق فازی، در لحاظ کردن عدم قطعیت ها به اثبات رسیده است. در سالهای اخیر تئوری فازی در برآورد کیفیت آب نیز بکارگرفته شده است که در این مطالعات بیشتر از روش فازی ممدانی استفاده شده است. در مطالعه حاضر، از روش فازی تاکاگی-سوگنو جهت ارزیابی کیفیت آب زیرزمینی در دشت لنجانات اصفهان استفاده گردید. در این روش از 16 پارامتر شیمیایی اندازه گیری شده در 79 نمونه آب زیرزمینی استفاده شد. این پارامترها، بر اساس اهمیت شان در کیفیت آب از نظر شرب، به چهار گروه تقسیم شدند. سپس این گروه ها، بر اساس قوانین «اگر – آنگاه» فازی با یکدیگر ترکیب شدند و کیفیت نهایی آب تعیین گردید. نتایج مطالعه نشان داد که از مجموع نمونه ها، 12نمونه (15.17%) کیفیت عالی، 19 نمونه (24.05%)کیفیت خوب، 27 نمونه (34.17%) کیفیت متوسط، 15 نمونه (18.98%) کیفیت ضعیف و 6 نمونه (7.59%) کیفیت خیلی ضعیف داشتند و 6 نمونه ای که بدترین کیفیت (رتبه5 ) را دارند در پارامترهای کیفی خود دارای عناصر سنگین سمی با غلظت های بیشتر از حد استاندارد تعیین شده توسط سازمان بهداشت جهانی (WHO) می باشند. با توجه به نتایج روش تاکاگی-سوگنو نیز مانند روش ممدانی در ارزیابی کیفیت آب خصوصا در سایت های صنعتی یا مناطقی که امکان حضور عناصر سمی سنگین وجود دارد می تواند کاربرد داشته باشد.

در این مقاله روشی جدید جهت طراحی کنترل فازی تاکاگی سوگنو برای سیستم غیرخطی آونگ معکوس ارایه شد. روش طراحی ارایه شده به صورت خودکار بوده و نیازی به معادلات دینامیکی سیستم تحت کنترل ندارد. الگوی طراحی مذکور شامل دو مرحله می باشد، مرحله اول که اتوماتای یادگیری تقویتی گسسته بوده و بازه مناسب ضرایب کنترل تاکاگی سوگنو را بدست می آورد، و مرحله دوم که اتوماتای یادگیری تقویتی پیوسته بوده و مقدار بهینه ضرایب کنترل را تعیین می کند. از آنجاییکه تمامی مراحل طراحی به صورت عمومی بیان شده، براحتی می توان آن را برای دیگر سیستمهای غیرخطی نیز بکار برد.

مقدمه: متاستاز سرطان پستان، گسترش سرطان پستان به سایر اندام های بدن، یکی از مهم ترین علل مرگ ناشی از سرطان پستان در زنان محسوب می شود. پیش بینی متاستاز در مراحل اولیه به انتخاب بهترین روش درمانی و بهبود کیفیت زندگی بیماران کمک می کند. روش: در این مطالعه بنیادی از مجموعه داده های موجود بیماران ایرانی از مرکز تحقیقات سرطان پستان پژوهشکده سرطان معتمد تهران، استفاده شد. مطالعه حاضر سیستم استنتاج فازی ممدانی، تاکاگی سوگنو و سیستم استنتاج تطبیقی عصبی-فازی (انفیس) برای پیش بینی متاستاز سرطان پستان در مراحل اولیه را مورد استفاده قرار داد. نتایج: بهترین خطای پیش بینی با استفاده از سیستم استنتاج تطبیقی عصبی-فازی (انفیس) مبتنی بر الگوریتم خوشه بندی میانگین مراکز فازی به دست آمد. نظرات متخصصان در مرکز تحقیقات سرطان پستان در پژوهشکده سرطان معتمد و خطای پیش بینی مدل ارزیابی شده نشان داد که این سیستم پیش بینی به خوبی شکل گرفته است. نتیجه گیری: بهترین سیستم پیش بینی پیشنهادی می تواند به عنوان یک سیستم تصمیم یار بالینی برای کمک به پزشکان در فرآیند درمان مورد استفاده قرار گیرد.

ازاین جهت که اغلب سیستم هایفیزیکی غیرخطی و دارای نامعینی های ذاتی می باشند، طراحی کنترل کننده مقاوم برای آن ها یکی از چالش های پیشروی مهندسین و محققین است. طراحی این گونه از کنترل کننده ها برای سیستم های غیرخطی و دارای نامعینی، معمولاً پیچیده و دارای هزینه های محاسباتی زیادی است. در نقطه مقابل، طراحی کنترل کننده فیدبک حالت بر اساس فرمول شناخته شده آکرمن، به راحتی قابل پیاده سازی است و تنها محدودیت طراحی در این روش کنترل پذیر بودن مدل موردنظر است. بررسی کنترل پذیری برای سیستم های غیرخطی دارای نامعینی به سادگی سیستم های خطی نیست. هدف در این مقاله، طراحی یک کنترل کننده فیدبک حالت بر اساس فرمول آکرمن، برای یک سیستم پاندول معکوس غیرخطی و دارای نامعینی است به نحوی که سیستم حلقه بسته پایدار بوده و متغیرهای حالت به طور مجانبی به سمت صفر متمایل گردند. برای این منظور ابتدا شرایط کافی برای کنترل پذیر بودن این سیستم بر اساس مدل سازی فازی تاکاگی-سوگنو بررسی گردیده و سپس با استفاده از فرمول آکرمن به طراحی کنترل کننده پرداخته می شود. از مزایای این روش این است که چنانچه کنترل پذیری سیستم اثبات گردد، طراحی کنترل کننده و پیاده سازی آن به راحتی انجام پذیر است. نتایج شبیه سازی نشان دهنده سادگی و مزیت های نسبی مثل افزایش سرعت همگرایی نسبت به بعضی از کنترل کننده های دیگر است.

الگوریتم های مختلف طبقه بندی و مدل های پیش بینی در بسیاری از علوم و تکنولوژی بطور گسترده استفاده می شوند. در میان روش های مختلف آن ها، روش های داده-محور مشهور شامل مدل های شبکه های عصبی مصنوعی و فازی عصبی بدلیل ویژگی هایشان مورد توجه بسیاری از محققین قرار گرفته است. به منظور توسعه و غلبه بر معایب این مدل ها، از مفاهیم سیستم های بیولوژیکی مغز انسان استفاده می شود. بر این اساس از سیستم لیمبیک مغز هیجانی جهت توسعه این مدل های استفاده می شود. یادگیر هیجانی مغز یک شبکه عصبی مصنوعی هیجانی مبتنی بر تعامل مولفه های تالاموس، کورتکس، آمیگدلا و اوربیتوفرانتال است. . این ماشین یادگیر معماری و الگوریتم های یادگیری متفاوتی دارد. در این مقاله از ماشین یادگیر محدود فازی آنلاین به عنوان اجزای تشکیل دهنده آمیگدلا و اوربیتوفرانتال در ماشین یادگیر هیجانی مغز استفاده می شود. به منظور تعامل میان اجزای اصلی ماشین یادگیر هیجانی مغز، از ماشین یادگیر محدود فازی آنلاین حافظه دار بازگشتی با عمق حافظه مختلف با قابلیت انتقال یادگیری استفاده می شود. ماشین طراحی شده نهایی، ماشین یادگیر هیجانی مبتنی بر ماشین یادگیر محدود فازی حافظه دار بازگشتی آنلاین نامیده می شود. ماشین شناختی ارایه شده بر اساس یادگیری داده های آموزش به صورت الگو-الگو یا دسته-دسته (با طول ثابت و متغیر) طراحی شده است و می تواند داده های آموزشی را که قبلا آموزش دیده اند را کنار بگذارد. مقایسه کارآیی روش پیشنهادی با روش های یادگیری مشابه بر روی مسایل سری های زمانی آشوبی انجام می شود. نتایج تجزیه و تحلیل و شبیه سازی نشان می دهد که کارایی و دقت روش پیشنهادی بیشتر از سایر روش ها است.

در این مقاله با استفاده از نامساوی ماتریسی خطی (LMI)، روشی برای پایدارسازی کنترل مقاوم H∞ فیدبک خروجی سیستم ها ی فازی تاکاگی-سوگنو دارای عدم قطعیت، ارایه شده است. به منظور کاهش ماهیت محافظه کارانه سیستم ها ی تاکاگی-سوگنو، فرم جدیدی از توابع لیاپانوف غیر یکنوا مورد استفاده قرار گرفته است. در روش های غیر یکنوا، علیرغم اینکه تابع لیاپانوف می تواند بصورت محلی افزایش یابد، اما در نهایت مقدار آن به صفر می رسد. با استفاده از تابع لیاپانوف غیر یکنوا شرایط کافی برای وجود پایداری کنترل مقاوم H∞ فیدبک خروجی محاسبه، و نشان داده شده است که روش پیشنهادی در مقایسه با سایر روش های غیر یکنوا، معروف به روش تغییرات 𝑘 نمونه ای محافظه کاری کمتری خواهد داشت. کارایی عملکرد کنترل کننده پیشنهادی از طریق نتایج شبیه سازی عددی نشان شده است.

بر اساس گزارش سازمان بهداشت جهانی با تداوم همه گیری ویروس کرونا در جهان تا کنون شمار فوت شدگان به بیش از یک میلیون تن رسیده است. تشخیص زود هنگام بیماری می تواند کمک زیادی برای قطع زنجیره انتقال بیماری باشد. در حال حاضر کیت های تست کووید-19 بسیار محدود و پر هزینه هستند که روند تشخیص را کند و مشکل ساز می سازند در نتیجه نیاز است این بیماری در مراحل اولیه تشخیص داده شود تا از انتقال آن جلوگیری گردد. از این رو بر آن شدیم تا به کمک استنتاج فازی سوگنو نوع دو روش خود ارزیابی بیماری کووید-19 را پیشنهاد دهیم که می تواند باعث صرفه جویی در وقت و هزینه شود. این سیستم مبتنی بر 98 قانون است که بر اساس رهنمودهای سازمان بهداشت جهانی تهیه شده است و از نرم افزار MATLAB برای شبیه سازی و تشخیص بیماری استفاده شده است. نتایج نشان می دهد که مدل فازی سوگنو به ترتیب با ضریب همبستگی R2=0. 94 و مجذور مربعات خطا MSE=0. 045 در مرحله آموزش و تست عملکرد قابل قبولی در تشخیص وتعیین نوع بیماری کووید-19 دارد. نتایج خود ارزیابی بسیار امیدوارکننده است و می تواند مانعی از گسترش بیشتر بیماری گردد.

مقدمه: بیماری دیابت، بیماری مزمنی است که در نتیجه اختلال در تولید و عملکرد انسولین در بدن به وجود می آید. این بیماری یکی از خطرناکترین بیماریهای عصر حاضر است و تشخیص به موقع این بیماری نقش به سزایی در درمان آن دارد. لذا این مطالعه با هدف بهبود تشخیص بیماری دیابت با استفاده از ترکیب سیستم استنتاج فازی سوگنو و الگوریتم کرم شب تاب انجام شد.روش ها: در این مقاله با استفاده از سیستم استنتاج فازی سوگنو و الگوریتم هوشمند کرم شب تاب، روشی نوین برای تشخیص دیابت ارائه شده است. روش ارائه شده قادر است با استفاده از تعداد کمی قوانین ساده فازی با دقت مطلوبی بیماری دیابت را تشخیص دهد.یافته ها: کارآیی ترکیب سیستم استنتاج فازی سوگنو و الگوریتم کرم شب تاب 87.24 درصد به دست آمد.نتیجه گیری: نتایج تجربی نشان می دهند که این روش روی مجموعه داده استاندارد PID دقت بیشتری نسبتی به الگوریتم های موجود در این زمینه دارد.

در این مقاله، مراحل طراحی یک کنترل کننده تطبیقی افق پیش رونده چند مدلی برای یک سیستم دینامیکی غیرخطی مورد بررسی قرار گرفته است. برای پیاده سازی این ساختار کنترلی از سیستم استنتاج فازی تاکاگی-سوگنو-کنگ (TSK) برای پیش بینی کردن رفتار سیستم دینامیکی روی یک افق پیش رونده استفاده شده است. در کنترل کننده پیشنهادی، بخش خطی مدل فازی TSK به عنوان یک مدل خطی برای پیاده سازی کنترل کننده افق پیش رونده چند مرحله ای برای محاسبه دنباله ورودی کنترلی بهینه مورد استفاده قرار می گیرد. تخمین پارامترهای این بخش از TSK برعهده یک قانون تطبیق بازگشتی برخط بوده و پارامترهای بخش تالی مدل TSK به صورت برون خط تعیین می گردند. برای تولید مدل فازی، فضای ورودی-خروجی به کمک خوشه بندی فازی تقسیم بندی می شود. هر خوشه یک ناحیه عملکردی از سیستم دینامیکی پیچیده را در فضای ورودی-خروجی نمایش می دهد. در استراتژی کنترلی پیشنهادی، فرض بر این است که متغیرهای استفاده شده در بخش تالی قواعد همان متغیرهای مورد استفاده در بخش پیرو قواعد هستند. برای کنترل مناسب سیستم غیرخطی از یک مدل چندگانه روی افق پیش رونده استفاده می شود. به منظور ارزیابی استراتژی کنترلی پیشنهادی، ساختار کنترلی پیشنهادی برای کنترل توان یک راکتور هسته ای در مسئله تعقیب بار مورد استفاده قرار گرفته است. نتایج شبیه سازی نشان دهنده عملکرد خوب ساختار کنترلی پیشنهادی است.