TY - JOUR ID - 92828 TI - ارائه ابزار محاسباتی نرم مبتنی بر مدل‌های ترکیبی به‌منظور بهبود پیش‌بینی کیفیت منسوجات تولیدی در صنعت پوشاک JO - علوم و فناوری نساجی و پوشاک JA - JTST LA - fa SN - 2151-7162 AU - خاشعی, مهدی AU - احمدیار, نساء AD - Department of Industrial Engineering, Isfah an University of Technology, Isfahan, Iran AD - دانشکده مهندسی صنایع و سیستم ها، دانشگاه صنعتی اصفهان، اصفهان، ایران Y1 - 2018 PY - 2018 VL - 7 IS - 3 SP - 71 EP - 80 KW - شبکه‌های عصبی پرسپترون چندلایه (MLPNN) KW - رگرسیون فازی KW - مدل‌های ترکیبی KW - صنعت نساجی KW - پیش‌بینی کیفیت درز پوشاک DO - N2 - ب شبکه‌های عصبی مصنوعی ابزارهای پیش‌بینی دقیقی برای دامنه وسیعی از مسائل هستند که نیاز به داده‌های زیاد برای حصول نتایج دقیق، کاربرد آن‌ها را با محدودیت مواجه کرده است. این درحالی است که فراهم آوردن داده‌های مورد نیاز به منظور ارائه پیش‌بینی‌های دقیق با شبکه عصبی مصنوعی در صنعت نساجی، اصولاً بسیار هزینه‌بر و زمان‌بر است. از این رو، استفاده از روش‌هایی که قادر به ارائه پیش‌بینی با تعداد داده‌های قابل حصول کم هستند، در این‌گونه از صنایع مناسب‌تر‌ و کارآمدتر خواهد بود. در این مقاله، از ترکیب روش‌های شبکه‌های عصبی مصنوعی و رگرسیون فازی به ارائه یک مدل هوشمند نرم به منظور پیش‌بینی کیفیت درز پوشاک تولیدی پرداخته شده است. ایده اصلی روش پیشنهادی استفاده از مزایای محاسبات نرم مجموعه‌های فازی به‌منظور حصول نشخه‌ای بهبودیافته از شبکه‌های عصبی مصنوعی در شرایط داده‌های قابل حصول کم است. نتایج بدست آمده از بکارگیری روش پیشنهادی در پیش‌بینی کیفیت درز پوشاک، بیانگر عملکرد بالاتر این روش درتقابل با مدل‌های تشکیل‌دهنده خود و همچنین سایر روش‌های ترکیبی موجود است. UR - https://www.jtst.ir/article_92828.html L1 - https://www.jtst.ir/article_92828_1799df8152ad33d9c28aa0697de02d25.pdf ER -