افزایش سرعت آموزش و به کارگیری شبکه های خودسازمان ده با استفاده از یک شبکه خودسازمان ده رشد یابنده سلسله مراتبی جدید

شبکه های نگاشت خود سازمان ده دسته ای از شبکه های عصبی هستند که در کاربرهای چندی سازی و نمایش داده کاربرد فراوانی دارند. یکی از مشکلات این شبکه ها تعیین توپولوژی و اندازه شبکه پیش از شروع فرآِند آموزش است. شبکه های رشد یابنده این مشکل را تا حد زیادی رفع می کنند اما این شبکه ها نیز همانند شبکه های خودسازمان ده غیر رشد یابنده دارای مشکل سرعت پایین در مراحل آموزش و بکارگیری هستند. هزینه محاسباتی این شبکه ها با افزایش اندازه شبکه به صورت خطی افزایش پیدا می کند. برای تعیین نورون برنده در یک شبکه با اندازه n حداقل به n اندازه کیری فاصله نیاز است. در این مقاله یک شبکه خود سازمان ده رشد یابنده دو لایه ارائه شده که تعداد مقایسه های لازم برای تعیین نورون بنده را به حدود 2√n کاهش می دهد. این کاهش چه در مرحله آموزش و چه در مرحله بکارگیری شبکه امکان استفاده از شبکه های خودسازمان ده دارای نورون های زیاد و خطای چندی سازی پایین را فراهم می کند. نتایج تجربی نشان دهنده آنست که با افزایش ناچیز خطای چندی سازی، شبکه جدید قادر است با تعداد بسیار کمتری مقایسه نسبت به شبکه یک لایه رشد یابنده نظیر کار کند.

Keywords:

نگاشت های خود سازمان ده , شبکه های عصبی , شبکه های رشد یابنده , موازی سازی