یادگیری زیرفضاها بر اساس حداکثر سازی آنتروپی توأم در یک نقشه خود سازمانده زیرفضای تطبیقی
Publish place: 14th Iranian Conference on Electric Engineering
Publish Year: 1385
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,602
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEE14_160
تاریخ نمایه سازی: 25 تیر 1387
Abstract:
ارائ ه داده ها با چند زیرفضای خطی، با حفظ سادگی می تواند برای ساختارهای غیر خطی داده ها نیز عملکرد مطلوب داشته باشد. شبک ه خود سازمانده زیرفضای تطبیقی (ASSOM) چنین ارائه ای با چند زیرفضای خطی را از داده های ورودی به صورت بی نظارت یاد می گیرد. اما این شبکه مشکلاتی دارد که از آن جمله میتوان به ارائ ه غیر عادلانه، ناپایداری، و محدودیت عبور زیر فضاها از مبدأ اشاره نمود. در این مقاله برای رفع مشکلات مذکور قوانین یادگیری جدیدی بر اساس حداکثر سازی آنتروپی توأم خروجی نورون ها به دست می آیند. ارزیابی قوانین حاصل کارایی مطلوب آنها را نشان می دهد.
Keywords:
Authors
پیمان ادیبی
آزمایشگاه بینایی و هوش محاسباتی، دانشکده مهندسی کامپیوتر و فناوری اط
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 :