روش بهینه سازی رشد پایه ای و هرس عمقی در شبکه های عصبی مصنوعی
Publish place: The Second International Conference on New Achievements in Engineering and Basic Sciences
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,110
This Paper With 10 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:
AEBSCONF02_196
تاریخ نمایه سازی: 16 خرداد 1394
Abstract:
همانطور که می دانیم باتوجه به وجود ساختارهای عمیق در مغز انسان، محققان به سمت تعلیم شبکه های عصبی ساختار عمیق گرایشپیدا کرده اند. همچنین می دانیم که این ساختارهای عمیق مغز انسان به صورت سلسله مراتبی است و همچنین این ساختارها ثابتنیستند و در طول زمان تغییر می کنند براین اساس، در این مقاله با توجه به سازماندهی و ساختار سلسله مراتبی مغز انسان، روش کلی رابرای تغییر ساختارشبکه عصبی مصنوعی با ساختار عمیق (رشد و گسترش شبکه و سپس هرس و حذف مؤلفه ها یا بازنمایی های تکراری) به نام BGDP پیشنهاد می کنیم. این روش در دو فاز مجزا رشد و هرس انجام می شود؛ فاز رشد الگوریتم، شبکه عصبی را با استفاده از تولد نورون، از پایه ای ترین لایه رشد می دهد و سپس در فاز هرس، مؤلفه های هر لایه را از عمق شبکه شروع به هرس میکنیم. این روشبا بکارگیری این ترتیب خاص برای گسترش و خلاصه کردن اطلاعات شبکه، دقت شبکه را بالا می برد و باعث می شود اطلاعات شبکه ازبین نرود، در صورتی که دیگر روش های رشد و هرس با عدم استفاده از این تکنیک، بیشتر اطلاعات شبکه را از دست می دهند وهمچنین قابلیت پیاده سازی برای شبکه های عمیق را هم فراهم نموده است.
Keywords:
Authors
معصومه طالب زاده
دانشکده مهندسی پزشکی دانشگاه امیرکبیر
سیدعلی سیدصالحی
دانشکده مهندسی پزشکی دانشگاه امیرکبیر
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 :