الگوریتمی بر مبنای شبکه عصبی برای مسیریابی در شبکه های میان ارتباطی چند سطحی
Publish place: 12th Annual Conference of Computer Society of Iran
Publish Year: 1385
Type: Conference paper
Language: Persian
View: 2,373
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ACCSI12_104
Index date: 13 January 2008
الگوریتمی بر مبنای شبکه عصبی برای مسیریابی در شبکه های میان ارتباطی چند سطحی abstract
در این مقاله از یک الگوریتم یادگیری وبر مبنای شبکه های عصبی برای مسیریابی در شبکه های میان ارتباطی چند سطحی (MIN) استفاده کرده ایم. در این الگوریتم یک تابع انرژی بر اساس مسیر صحیح ما بین ورودی و خروجی تعریف کرده و با روش حرکت در خلاف جهت بردار گرادیان سعی می کنیم درنهایت این تابع به مقدار کمینه خود برسد. نتایج شبیه سازی نشان میدهد این روش مسیر صحیح ما بین ورودی و خروجی را پیدا کرده و از لحاظ کارایی نیز قابل مقایسه با روش های دیگر می باشد.
پارامترهای یک الگوریتم یادگیری معمولا با استفاده از سعی و خطا بدست میآیند، ولی ما در اینجا فرمولهایی را برای تعیین مقدار انها بیان کرده ایم، حد آستانه بالا و حد آستانه پایین، برای روشن بودن و خاموش بودن نورون ها نیز محاسبه شده اند، که طراحی شبکه های عصبی بر اساس این حدود موجب بهبود عملکرد شبکه می گردد. این الگوریتم را می توان به صورت سخت افزاری و یا نرم افزاری پیاده سازی نمود که پیاده سازی نرم افزاری آن مورد بررسی قرار خواهد گرفت.
الگوریتمی بر مبنای شبکه عصبی برای مسیریابی در شبکه های میان ارتباطی چند سطحی Keywords:
شبکه های میان ارتباطی چند سطحی , شبکه های عصبی , مدل Hopfield , ضریب یادگیری , حد آستانه بالا , حد آستانه پایین
الگوریتمی بر مبنای شبکه عصبی برای مسیریابی در شبکه های میان ارتباطی چند سطحی authors
مهران قاضی عسگر
دانشجوی کارشناسی ارشد ، دانشگاه آزاد اسلامی واحد اراک
علی موقر رحیم ابادی
دانشیار و عضو هیات علمی دانشگاه صنعتی شریف، دانشکده مهندسی کامپیوتر
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 :