تخمین توابع غیرخطی بر پایه شبکه های عصبی با آموزش گردایان مرتبه اول و دوم
Publish place: The Second National Conference on Computer Electrical Engineering and Information Technology
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,912
This Paper With 8 Page And PDF Format Ready To Download
- 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:
CEIC02_005
تاریخ نمایه سازی: 4 آذر 1387
Abstract:
الگوریتم گرادیان نزولی پایه بسیاری از الگوریتم های بهینه سازی است و از آن در یادگیری شبکه های عصبی و حداقل سازی مقدار خطای شبکه برای تنظیم پارامتر های شبکه استفاده می شود. دسته وسیعی از تحقیقات برای افزایش سرعت این الگوریتم در آموزش شبکه های عصبی چندلایه پیشرو انجام شده است؛ که از نتایج آن می توان به انواع روش های گرادیان مرتبه اول و دوم اشاره کرد. این مقاله ی مروری به جزئیات دقیق این روش ها نمی پردازد؛ بلکه هدف آن مشخص کردن ویژگی های اصلی این روشها و ارتباطشان است. در این گزارش ، از چهار روش گرادیان مرتبه اول و سه روش مرتبه دوم برای چهار تابع استاندارد جهت تخمین استفاده شد. در بین روش های گرادیان مرتبه اول ، همگرایی سریعتر در روش RPROP و در روش های مرتبه دوم در الگوریتم لونمارکوت (LM) دیده شد. واضح است که روش های مرتبه اول حجم محاسبات کمتری دارند و مقدار فضای کمتری نیاز دارند؛ در عوض برای بسیاری از مسائل بزرگ قابل استفاده نیستند.
Keywords:
Authors
اعظم ربیعی دولت آبادی
دانشگاه آزاد اسلامی واحد دولت آباد ، اصفهان
محمد تشنه لب
دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران