طراحی شبکه‌های عصبی پیشرو انعطاف‌پذیر با الگوریتم یادگیری شبیه ساز ذوب فلز اصلاح شده به منظور شناسایی سیستم‌های غیرخطی
Publish place: Regional Conference on Computer Science, Computer Engineering and Information Technology
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,969
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
DOROUDIT01_110
تاریخ نمایه سازی: 7 آذر 1391
Abstract:
یکی از مهم‌ترین و جذاب‌ترین کاربردهای شبکه‌های عصبی شناسه سیستم‌های غیرخطی است. در این مقاله برای شناسایی سیستم‌های غیرخطی ساختاری از شبکه‌های عصبی پیش را که به شبکه‌های عصبی پیشرو انعطاف‌پذیر مرسوم هستند ارائه خواهد شد. در شبکه‌های عصبی پیشرو انعطاف‌پذیر علاوه‌بر وزن‌ها، پارامترهای تابع انتقال که پارامترهای انعطاف‌پذیر گفته می‌شود که نیز قابلیت یادگیری دارند . این مقاله تأثیر طراحی انعطاف‌پذیر ساختار این بن از شبکه‌های عصبی در شناسایی سیستم‌های غیرخطی را در مقایسه با سایر شبکه‌های عصبی مورد بحث و بررسی قرار می‌دهد. همچنین یک روش یادگیری پیشنهادی بر مبنای شبیه‌سازی ذوب فلز برای آموزش پارامترهای انعطاف‌پذیری ارائه خواهد شد. به همین منظور شبکه عصبی پیشرو انعطاف‌پذیر ارائه شده برای شناسایی سری‌های زمانی آشوبی مکی -گلاس به عنوان سیستم‌های پویای غیرخطی به کار گرفته می‌شود و نتایج حاصل از شبی سازی‌ها در سنجش توانایی این دو از شبکه عصبی به منظور شناسایی سیستم‌های غیرخطی، آنالیز می‌گردد.
Keywords:
Authors
سید محمد جواد آل هاشر
دانشگاه آزاد اسلامی واحد علوم و تحقیقات - دانشکده فنی و مهندسی - تهران
شاهد یکتا مهریزانی
دانشگاه آزاد زنی واحد علوم و تحقیقات - دانشکده برق و کامپیوتر - قزوین
محمد تشنه لب
دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده برق و کامپیوتر - تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :