ارائه روشی ترکیبی جدید جهت تعلیم شبکه عصبی CMAC

در این تحقیق الگوریتم ترکیبی جدیدی برای کاهش خطا در شبکه عصبی CMAC ارائه شده است. CMAC یک مدل محاسباتی از مخچه انسان است و بصورت مدل ساده ای از آن ارائه شده است و می تواند بصورت یک جدول جستجو تصور شود. ثابت نگهداشتن نرخ یادگیری در روال تعلیم این شبکه، سبب عدم سازش و مصالحه بین سرعت همگرایی شبکه از یک طرف و دقت و پایداری شبکه از طرف دیگر می شود، در این تحقیق الگوریتمی ارائه شده است که از نرخ یادگیری متغیر در هر مرحله بهره می گیرد. این نرخ براساس کارایی یادگیری محاسبه می گردد. نتایج شبیه سازی نشان می دهد که الگوریتم حاصل نسبت CMAC قراردادی خطا را به نحو مطلوبی کاهش می دهد.

Keywords:

شبکه عصبی , مدل مخچه , CMAC , فاز تعلیم , نرخ یادگیری متغیر , کارایی یادگیری