افزایش سرعت یادگیری شبکه عصبی تپشی به کمک تندترین کاهش گرادیانی بهبود یافته با تانژانت موازی و استفاده از نرخ یادگیری پویای خود تطبیق پذیر
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,159
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICNMO01_148
تاریخ نمایه سازی: 19 اسفند 1391
Abstract:
در این مقاله مسئلهی یادگیری در شبکههای عصبی تپشی بررسی شده است. در تحقیقات و پژوهشهای اخیر انجام شده در مورد یادگیری در شبکههای عصبی تپشی، از الگوریتم تندترین کاهش گرادیانی به همراه مومنتومبا نرخ یادگیری پویای خود تطبیق پذیر استفاده شده است. پیشنهاد ما در این مقاله، استفاده از تانژانت موازی به جای بخش مومنتوم در فرایند یادگیری شبکه میباشد که باعث تسریع فرایند یادگیری شبکه می شود . باانجام سه آزمایش باینری معروف، کارآیی الگوریتم پیشنهاد شده، نسبت به الگوریتم تندترین کاهش گرادیانی بهبود یافته با مومنتوم با نرخ یادگیری پویای خود تطبیق پذیر مقایسه شده است و نتایج بدست آمده نشان می - دهد که یادگیری شبکه با روش پیشنهاد شده، دارای سرعت بیشتر و خطای حالت ماندگار کمتری میباشد
Keywords:
شبکههای عصبی تپشی , الگوریتم تندترین کاهش گرادیانی بهبود یافته با تانژانت موازی , نرخ یادگیری پویای خود تطبیق پذیر , پس انتشار خطا
Authors
حسین خرم آبادی آرانی
دانشجوی کارشناسی ارشد مخابرات سیستم دانشکده فنی مهندسی دانشگاه اصفه
پیمان معلم
دانشیار گروه مهندسی برق دانشکده فنی مهندسی دانشگاه اصفهان
کمال شاه طالبی
عضو هیئت علمی گروه مهندسی برق دانشگاه اصفهان
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 :