بهبود شناسایی الگو در ربات ها با استفاده از شبکه ی عصبی آشوب گونه ی کنترل شده

برای ایجاد شبکه ی عصبی آشوبگونه، نیاز به وجود تابع سیگموید می باشد. در این مقاله و بواسطه ی راهکار پیشنهادی ما، برای بهتر شدن روش به حالت پویا، کاهش آشوب، بهبود نمای لیاپانوف و افزایش سرعت همگرایی اقدام به ارائه ی نوعی تابع جدید نمودهایم. تابع مورد نظر علاوه بر پوشایی کامل کاستیهای شبکه ی عصبی آشوبگونه همانند بالا بودن زمان اجرایی، زیاد بودن عملیات محاسباتی و پایین بودن سرعت همگرایی می تواندکمک بسزایی در رفع مشکلات ثانویه ی شبکه ی عصبی آشوبگونه داشته باشد. از سوی دیگر، روش جدیدی که برای کنترل آشوب در این مقاله پیشنهاد می شود منحصراً برای حافظه ی انجمنی بکار گرفته خواهد شد و با تغییر ضریب کنترل در آن با استفاده از روش متریک معکوس، خروجی های شبکه ی عصبی آشوبگونه کنترل شده، با سرعت بیشتری به الگوهای ذخیره شده همگرا می شوند. روش کنترلی فوق، کاملاً هوشمند بوده و با اعمال چنین مکانیسمی به حافظه داخلی ربات، عملیات شناسایی الگو می تواند توسط ربات انجام پذیرد و بدین واسطه نرخ تشخیص تا حد زیادی بالا رود. سپس به بررسی تأثیر هوشمندسازی ربات با بهره گیری از شبکه ی عصبی آشوبگونه ی کنترل شده برای حداقل کردن خطای ممکن در شناسایی الگوهای نویزدار خواهیم پرداخت

Keywords:

پردازش اطلاعات , حافظه ی انجمنی , ربات , شبکه ی عصبی آشوبگونه , نمای لیاپانوف