منیره تقیلو - دانشجو، دانشگاه تحصیلات تکمیلی علوم پایه زنجان.
مهدی وثیقی - استادیار، دانشگاه تحصیلات تکمیلی علوم پایه زنجان.

نقشههای خودسازمانده رشدکننده به عنوان نمونهای تعمیم یافته از نقشه خودسازمانده کلاسیک ارائه شدهاند. این نقشهها دارای ساختاری پویا میباشند که در طول فرآیند یادگیری تولید شده و محدودیتهای نقشه خودسازمانده کلاسیک را رفع مینماید.شبکه های انتشار بازگشتی یکی از انواع شبکه های عصبی مصنوعی با رویکردی رقابتی و بر مبنای نقشههای خودسازمانده میباشند که امروزه به عنوان ابزاری ارزشمند جهت آنالیز دادههای چند متغیره، در حل بسیاری از مسایل طبقهبندی به کار گرفته میشوند. اینشبکه ها ساختاری بسیار شبیه به نقشه خودسازمانده دارند اما یک لایه خروجی به لایه ورودی)کوهنن( اضافه شده است تا یادگیری بهصورت نظارتی انجام گیرد. در این مقاله قصد داریم رویکرد نظارتی را در یادگیری نقشههای رشدکننده پیشنهاد دهیم تا توانایی طبقهبندی را به این شبکه ها،بیفزاییم. در مقاله ارائه شده، نگرش رقابتی همزمان با قابلیت رشد و طبقهبندی در یادگیری شبکه های رشد کننده انتشار بازگشتی مورد بررسی قرار میگیرند

نقشه خودسازمانده، شبکه های عصبی مصنوعی، یادگیری نظارتی، شبکه عصبی انتشار بازگشتی، نقشه خودسازمانده رشدکننده، کوهنن