Basically the idea is to evaluate t

Basically the idea is to evaluate the aggregated result, Y t, against the actual outcome at time t, and adjust the weights in the defuzzification operator such that the squared error is minimized. By minimizing SE for each t, MSE is minimized as well. In the following example, the stopping criteria is defined by setting the minimum SE to 3 and the maximum number of iterations to 5002.
During the first step of the algorithm, the weights (positions) are initialized. Note we assume the existence of a stronger relationship between actual output and the more recent observations in the time series data. So, if F t−1 is fuzzified as Ai and F t−2 as Aj, a stronger relationship is assumed to exist between Ai and Y t than between Aj and Y t. Therefore, relatively higher weights are assigned to the most recent observations when positions are initialized. Applying this approach, wt-i will usually remain larger than wt-i+1 at the point of termination. Table 25 and 26 respectively show the initial positions and velocities of all particles for a matching rule R.

Kết quả (Việt) 1:

Về cơ bản ý tưởng là để đánh giá kết quả tổng hợp, Y t, chống lại các kết quả thực tế tại thời điểm t, và điều chỉnh trọng lượng trong các nhà điều hành defuzzification như vậy mà lỗi bình phương được tối thiểu hoá. Bằng cách giảm thiểu SE cho mỗi t, MSE được tối thiểu hoá là tốt. Trong ví dụ sau đây, tiêu chí dừng được xác định bằng cách lập SE tối thiểu 3 và số lần lặp để 5002, tối đa.Trong bước đầu tiên của thuật toán, trọng lượng (vị trí) được khởi tạo. Lưu ý chúng ta thừa nhận sự tồn tại của một mối quan hệ mạnh mẽ hơn giữa sản lượng thực tế và các quan sát gần đây trong các dữ liệu chuỗi thời gian. Vì vậy, nếu F t−1 fuzzified như t−2 Ai và F là Aj, một mối quan hệ mạnh mẽ hơn cho tồn tại giữa Ai và Y t hơn giữa Aj và Y t. Vì vậy, trọng lượng tương đối cao được gán cho các quan sát gần đây nhất khi vị trí được khởi tạo. Áp dụng cách tiếp cận này, wt-i sẽ thường vẫn lớn hơn wt-i + 1 tại điểm chấm dứt. Bảng 25 và 26 lần lượt chỉ ra vị trí ban đầu và vận tốc của tất cả các hạt cho phù hợp với một quy tắc R.

Kết quả (Việt) 2:

Về cơ bản các ý tưởng là để đánh giá kết quả tổng hợp, Y t, so với kết quả thực tế tại thời điểm t, và điều chỉnh trọng trong điều hành defuzzification như vậy mà các lỗi bình phương được giảm thiểu. Bằng cách giảm thiểu SE cho mỗi t, MSE được giảm thiểu là tốt. Trong ví dụ sau, các tiêu chí dừng được xác định bằng cách thiết lập tối thiểu SE 3 và số lần lặp để 5002.
Trong bước đầu tiên của thuật toán, các trọng số (vị trí) được khởi tạo. Lưu ý chúng tôi giả định sự tồn tại của một mối quan hệ mạnh mẽ hơn giữa sản lượng thực tế và các quan sát gần đây trong các dữ liệu chuỗi thời gian. Vì vậy, nếu F-t 1 được fuzzified như Ái và F-t 2 như Aj, một mối quan hệ mạnh mẽ hơn được giả định tồn tại giữa Ai và Y t hơn giữa Aj và Y t. Do đó, trọng lượng tương đối cao được giao cho các quan sát gần đây nhất khi vị trí được khởi tạo. Áp dụng phương pháp này, WT-i thường sẽ vẫn lớn hơn so với wt-i + 1 tại thời điểm chấm dứt. Bảng 25 và 26 lần lượt hiển thị các vị trí ban đầu và vận tốc của các hạt cho một R. quy tắc phù hợp