بهینه سازی روش پرسپترون چندلایه برای آموزش شبکه عصبی
Publish place: اولین کنفرانس سالانه تحقیقات کاربردی در مهندسی برق، کامپیوتر
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 523
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- 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:
ECCONF01_049
تاریخ نمایه سازی: 6 بهمن 1395
Abstract:
در این مقاله سعی شده تا با استفاده از شبکه های عصبی مصنوعیپرسپترون و سری های زمانی که ترجیحا میزان مصرف برق طی 15سال گذشته می باشد ، بهترین روش آموزش شبکه را مشخص نمود.در ابتدا مروری بر چرایی و دلیل استفاده از شبکه عصبی را خواهیمداشت و در ادامه بعد از تشریح ساختار شبکه عصبی (ترجیحاًپرسپترون چندلایه 1)، اشاره ای خواهیم داشت به کلیت سریزمانی و چگونگی تبدیل یک مساله پیش بینی سری زمانی به یکمساله تقریب تابعی کامل به گونه ای که بشود با شبکه عصبی آن راحل کرد. برای ارزیابی عملکرد مدل ارائه شده از معیار خطایمیانگین مربعات خطا به کارگرفته شده است. برای ارزیابی هم دادهها را به دو قسمت تقسیم می کنیم که از 80 درصد داده ها برایآموزش و 20 درصد برای تست . میانگین مربعات خطا و میانگینمطلق خطا نشان دهنده میزان خطای مدل می باشند. که بهترینمقدار آنها برابر صفر است خواهی دید که شبکه عصبی پرسپترون با دولایه و یک نورون و دو تابع اکتیویشن، میانگین خطای آموزش وتست کمتری خواهد داشت.
Keywords:
Authors
علیرضا محمدی نژادگنجی
رییس دانشگاه آزاد اسلامی مرکز طالقان
مقداد عسگری
کارمند دانشگاه آزاد اسلامی مرکز طالقان
سلیمه محمدعلی تبار عمران
دانشجوی دانشگاه آزاد اسلامی مرکز طالقان