奥莫巴宁亚兹丹巴赫什;斯科特·迪克 FANCFIS：快速自适应神经复合模糊推理系统。 （英语） Zbl 1452.68164号 国际J近似推理 105, 417-430 (2019). 摘要：大规模多变量时间序列预测是一个日益重要的问题，传感器网络以前所未有的速度输出采样数据，每一个数据都产生了价值数万亿美元的股票交易，每年通过互联网传输的流量达到了千兆字节。虽然它们只是一般数据流更大领域的示例，但统一采样的时间序列仍然是一个非常大且重要的子领域。大量研究表明，机器学习算法通常是非常有效的预测模型，但其中许多算法的伸缩性不好。自适应神经复合模糊推理系统就是这样一种方法；为了利用复杂的模糊集，它是一种精确而简约的预测算法。然而，由于训练算法相对较慢（梯度下降与混沌模拟退火相结合），其伸缩性较差。在将该算法用于大规模预测之前，必须开发一种保持系统准确性和紧凑性的快速训练算法。我们提出了快速自适应神经复合模糊推理系统，该系统用于快速训练紧凑、准确的预测模型。我们使用快速傅里叶变换算法识别时间序列中的主频，然后创建复杂模糊集来匹配它们，作为复杂模糊规则的前因。然后通过递归最小二乘法学习后续线性函数。我们在单变量和多变量时间序列上对该算法进行了评估，发现该增量学习算法与较慢的前一种算法一样精确、紧凑，并且可以更快地进行训练。 引用于1文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 68周27 在线算法；流算法 关键词：复杂模糊系统;机器学习;神经模糊系统;时间序列预测;数据流挖掘 软件：国家标准3;TISEAN公司;FFTW公司;弗莱恩;TDSL公司;ANFIS公司;ANCFIS公司;TSDL公司 PDF格式BibTeX公司 XML格式引用 \textit{O.Yazdanbakhsh}和\textit{S.Dick}，国际期刊近似推理105，417--430（2019；Zbl 1452.68164） 全文： 内政部 参考文献： [1] Aghakhani，S。；Dick，S.，《复杂模糊逻辑的在线学习算法》，（模糊系统（FUZZ），2010年IEEE国际会议（2010年）），1-7 [2] Alkouri，A.U.M。；Salleh，A.R.，《语言变量、模糊限制语和复杂模糊集上的若干距离》，J.Intell。模糊系统：申请。工程技术。，26, 2527-2535 (2014) ·Zbl 1305.03043号 [3] Alkouri，A.U.M。；Salleh，A.R.，关于复杂atanasov直觉模糊集的一些运算，（2013年UKM FST研究生学术讨论会：马来西亚Kebangsaan大学学报，科学与技术学院2013年研究生学术讨论会（2013）），987-93 [4] 阿塔纳索夫，K.T.，直觉模糊集，模糊集系统。，20, 87-96 (1986) ·Zbl 0631.03040号 [5] Brzeziñski，D.，《利用概念漂移挖掘数据流》（2010），波兹南科技大学，硕士论文 [6] 曹，L。；Mees，A。；Judd，K.，《多元时间序列的动力学》，《物理学》。D： 非线性现象。，121, 75-88 (1998) ·Zbl 0933.62083号 [7] 陈，Z。；Aghakhani，S。；Man，J。；Dick，S.，ANCFIS：采用复杂模糊集的神经模糊体系结构，IEEE Trans。模糊系统。，19, 305-322 (2011) [8] Dick，S.，走向复杂模糊逻辑，IEEE Trans。模糊系统。，13, 405-414 (2005) [9] Dick，S。；贝瑟尔，C。；Kandel，A.，《软件可靠性建模：确定性行为案例》，IEEE Trans。系统。人类网络。，A部分，系统。嗯，37，106-119（2007） [10] Dick，S。；Yager，R.R。；Yazdanbakhsh，O.，《关于毕达哥拉斯和复杂模糊集运算》，IEEE Trans。模糊系统。，24, 1009-1021 (2016) [11] Dick，S。；亚兹丹巴克什，俄亥俄州。；唐，X。；Huynh，T。；Miller，J.，《Web会话工作负载的实证研究：确定性混沌能解释自相似性吗？》？，信息处理。管理。，50, 41-53 (2014) [12] 弗里戈，M。；Johnson，S.G.，FFTW:FFT的自适应软件架构，（声学、语音和信号处理，1998年）。1998年IEEE国际会议记录（1998年），1381-1384 [13] Gaber，M.M。；扎斯拉夫斯基，A。；Krishnaswamy，S.，数据流挖掘（数据挖掘和知识发现手册（2009），Springer），759-787 [14] 贾马，J。；《狮子座》，I。；Bifet，A。；Pechenizkiy，M。；Bouchachia，A.，概念漂移适应调查，ACM计算。调查。，46, 44 (2014) ·Zbl 1305.68141号 [15] 加西亚共和国。；孔特雷拉斯，J。；Van Akkeren，M。；Garcia，J.B.C.，预测日电价的GARCH预测模型，IEEE Trans。电力系统。，20, 867-874 (2005) [16] 吉亚西，M。；Nangoy，S.，预测非线性过程的动态人工神经网络模型，计算。Ind.Eng.，57287-297（2009年） [17] 格雷夫斯，D。；Pedrycz，W.，使用递归神经网络的模糊预测架构，神经计算，721668-1678（2009） [18] Haykin，S.S.，《神经网络和学习机器》，第3卷（2009年），《培生教育：培生教育上游》 [19] Hegger，R。；康茨，H。；Schreiber，T.，《非线性时间序列方法的实际实现：TISEAN包》，《混沌：盘间性》。非线性科学杂志。，9, 413-435 (1999) ·Zbl 0990.37522号 [20] Hegger，R。；康茨，H。；Schreiber，T.，非线性时间序列方法的实际实现：TISEAN包（1998）·Zbl 0990.37522号 [21] 霍兰德，M。；Wolfe，D.A。；Chicken，E.，非参数统计方法（2013），John Wiley&Sons [22] X.洪。；Harris，C.J.，径向基函数网络的实验设计和模型构建算法，国际期刊系统。科学。，34, 733-745 (2003) ·Zbl 1043.93004号 [23] R.J.Hyndman，M.Akram，时间序列数据库，2006年。；R.J.Hyndman，M.Akram，时间序列数据库，2006年。 [24] Jang，J.-S.R。；孙，C.-T。；Mizutani，E.，《神经模糊和软计算：学习和机器智能的计算方法》（Neuro-Fuzzy and Soft Computing:A Computing Approach to Learning and Machine Intelligence）（1997年），普伦蒂斯·霍尔：普伦蒂塞·霍尔恩格尔伍德克利夫斯，美国新泽西州 [25] Jang，J.S.R.，ANFIS:基于自适应网络的模糊推理系统，IEEE Trans。系统。人类网络。，23, 665-685 (1993) [26] Jha，A。；Dave，M。；Madan，S.，《利用数据挖掘技术研究和分析大数据的综述》，国际期刊《最新趋势工程技术》。，6 (2016) [27] Jo，T.，使用反向传播进行多元时间序列预测的VTG方案，应用。软计算。，13, 2692-2702 (2013) [28] 康茨，H。；Schreiber，T.，非线性时间序列分析（1997），剑桥大学出版社：剑桥大学出版社剑桥/纽约·Zbl 0873.62085号 [29] 犬舍，M.B。；布朗，R。；Abarbanel，H.D.，使用几何结构确定相空间重建的嵌入尺寸，Phys。修订版A，453403（1992） [30] Krempl，G。；ƀ利奥贝特，I。；布热津斯基，D。；Hüllermier，E。；最后，M。；莱梅尔，V。；Noack，T。；Shaker，A。；Sievi，S。；Spiliopoulou，M.，数据流挖掘研究的开放挑战，ACM SIGKDD Explor。新闻。，16, 1-10 (2014) [31] Li，C.，《使用复杂模糊集的新型神经模糊方法进行自适应图像恢复》，国际期刊Intell。信息数据库系统。，7, 479-495 (2013) [32] 李，C。；Chiang，T.-W.，用多温粒子群优化学习方法进行时间序列预测的复杂模糊计算，（智能信息和数据库系统（2011），Springer），242-251 [33] 李，C。；Chiang，T.-W.，使用复杂模糊集对复杂神经模糊系统进行函数逼近——一种新的方法，new-Gener。计算。，29, 261-276 (2011) ·Zbl 1251.68245号 [34] 李，C。；Chiang，T.-W.，《智能金融时间序列预测：具有多温智能的复杂神经模糊方法》，《国际应用杂志》。数学。计算。科学。，22, 787-800 (2012) ·Zbl 1286.91149号 [35] 李，C。；蒋，T.-W。；Yeh，L.-C.，时间序列预测问题的新型自组织复杂神经模糊方法，神经计算（2012） [36] 李，C。；Chiang，T.，《复杂神经模糊ARIMA预测——一种使用复杂模糊集的新方法》，IEEE Trans。模糊系统。，21, 567-584 (2012) [37] Lyu，M.R.，《软件可靠性工程手册》（1996），McGraw-Hill:纽约州纽约市McGraw-Hill [38] 马，J。；张，G。；Lu，J.，使用复杂模糊集的多周期因子预测问题的方法，IEEE Trans。模糊系统。，20, 32-45 (2012) [39] Masters，T.，《时间序列预测的神经、新型和混合算法》（1995），John Wiley&Sons，Inc。 [40] Muja，M。；Lowe，D.，高维数据的可扩展最近邻算法，IEEE Trans。模式分析。机器。智力。，36, 2227-2240 (2014) [41] Muthukrishnan，S.，《数据流：算法和应用》（2005），Now Publishers Inc·Zbl 1128.68025号 [42] 纳斯达克综合指数（2014），雅虎财经。可用 [43] 波兹纳，C。；Minculete，N。；Precup，R.-E.公司。；科奇，L.T。；Ballagi，A.，签名：模糊建模的定义、运算符和应用，模糊集系统。，201, 86-104 (2012) ·Zbl 1251.93022号 [44] Ramot博士。；弗里德曼，M。；Langholz，G。；坎德尔，A.，《复杂模糊逻辑》，IEEE Trans。模糊系统。，11, 450-461 (2003) [45] 拉莫特，D。；米洛·R。；弗里德曼，M。；坎德尔，A.，《复杂模糊集》，IEEE Trans。模糊系统。，10, 171-186 (2002) [46] Salleh，A.R.，复杂直觉模糊集，（AIP会议论文集（2012）），464 [47] 施耐德，G。；鸡，E。；Becvarik，R.，NSM3:伴随Hollander、Wolfe和Chicken的函数和数据集-非参数统计方法，第三版（2015年），1.3版。 [48] Stull，R.B.，《边界层气象学导论》，第13卷（2012），Springer Science&Business Media [49] Takens，F.，《探测湍流中的奇怪吸引子》，（动力系统与湍流，动力系统与紊流，沃里克1980（1981）），366-381·Zbl 0513.58032号 [50] 塔米尔，D.E。；Jin，L。；坎德尔，A.，《复杂会员等级的新解释》，国际期刊《Intell》。系统。，26, 285-312 (2011) ·Zbl 1219.03061号 [51] 塔米尔，D.E。；坎德尔，A.，《复杂模糊逻辑和复杂模糊类的公理化理论》，国际计算机杂志。Commun公司。对照，6，3，562-576（2011） [52] 塔米尔，D.E。；最后，M。；坎德尔，A.，《广义复杂模糊命题逻辑的理论和应用》，（软计算：最新理论和新应用（2013），施普林格出版社），177-192年·Zbl 1283.03053号 [53] 塔米尔，D.E。；Rishe，N.D。；坎德尔，A.，《复模糊集与复模糊逻辑理论与应用概述》（《模糊逻辑及其应用五十年》（2015），施普林格出版社），661-681·Zbl 1359.03039号 [54] 塔米尔，D.E。；特奥多雷斯库，H.N。；最后，M。；Kandel，A.，离散复杂模糊逻辑，（模糊信息处理学会，2012年北美年会（2012）），1-6 [55] J.A.B.汤姆。；Carvalho，J.P.，使用模糊布尔神经网络的一步预测，（EUSFLAT Conf.（2005）），500-505 [56] Wackerly博士。；门登霍尔，W。；Scheaffer，R.，《数理统计及其应用》（2007），Cengage Learning [57] Wan，L。；Ng，W.K。；Dang，X.H。；余，P.S。；Zhang，K.，基于密度的多分辨率数据流聚类，ACM Trans。知识。发现。数据，3，14（2009） [58] Yager，R.，《多标准决策中的毕达哥拉斯成员等级》，IEEE Trans。模糊系统。，22, 958-965 (2014) [59] Yager，R.R。；Abbasov，A.M.，《毕达哥拉斯成员等级、复数和决策》，国际期刊Intell。系统。(2013) [60] 俄勒冈州亚兹丹巴赫什。；Dick，S.，ANCFIS-ELM:基于复杂模糊集的机器学习算法，（世界计算智能大会，加拿大温哥华世界计算智能会议（2016）） [61] 俄勒冈州亚兹丹巴赫什。；Dick，S.，通过复杂模糊逻辑预测多元时间序列，IEEE Trans。系统。人类网络。系统。，47, 2160-2171 (2017) [62] 俄勒冈州亚兹丹巴赫什。；Dick，S.，通过随机学习归纳复杂的模糊推理系统，Int.J.Intell。系统。（2018），提交出版 [63] 俄勒冈州亚兹丹巴赫什。；Dick，S.，使用复杂模糊逻辑进行多变量时间序列预测，（模糊信息处理协会（NAFIPS）与2015年第五届世界软计算大会（WConSC）联合举行，2015年北美年会（2015）），1-6 [64] 俄勒冈州亚兹丹巴赫什。；Dick，S.，《复杂模糊集与逻辑的系统综述》，《模糊集系统》。（2018），出版中·Zbl 1397.03093号 [65] 俄勒冈州亚兹丹巴赫什。；Dick，S.，《通过复杂模糊逻辑进行时间序列预测》（Sadeghian，A.；Tahayori，H.，《高阶模糊集的前沿》（2015），施普林格：施普林格-海德堡，德国）·Zbl 1437.62356号 [66] 俄勒冈州亚兹丹巴赫什。；Dick，S。；雷伊，I。；Mace，E.，《软件可靠性增长模型中的确定性混沌》，应用。软计算。，49, 1256-1269 (2016) [67] 亚兹丹巴克什，俄亥俄州。；Krahn，A。；Dick，S.，使用复杂模糊逻辑预测太阳能输出，（IFSA世界大会和NAFIPS年会（IFSA/NAFIPS），2013联合（2013）），1243-1248 [68] Yeganejou，M。；Dick，S.，通过复杂模糊集和逻辑对分类器进行归纳学习，（模糊系统（FUZZ-IEEE），2017年IEEE国际会议，2017年），1-6 [69] Zadeh，L.A.，语言变量的概念及其在近似推理中的应用-I，Inf.Sci。，8, 199-249 (1975) ·Zbl 0397.68071号 [70] 张，G。；Dillon，T.S。；蔡国勇。；马，J。；Lu，J.，复模糊集的运算性质和（δ）-等式，Int.J.近似推理。，50, 1227-1249 (2009) ·Zbl 1196.03077号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。