طراحی و شبیه سازی شبکه عصبی بازگشتی راف به منظور پیش بینی دما
Publish place: 1st National Conference on Soft Computing
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 561
This Paper With 6 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:
CSCG01_091
تاریخ نمایه سازی: 29 مهر 1396
Abstract:
رابطه غیرخطی همراه با دینامیک بالای موجود در سری های زمانی داده های جوی، پیش بینی را مشکل می سازد. علاوه بر این امکان وجود نویز در داده ها و یا در دسترس نبودن داده کافی می تواند فرآیند پیش بینی پارامترهای هوا شناسی را دشوارتر نماید. در این مقاله شبکه عصبی بازگشتی المن شامل نرون های راف با آموزش گرادیان نزولی به منظور غلبه بر مشکلات مطرح شده برای پیش بینی دما پیشنهاد شده است. در شبکه عصبی المن راف به دلیل وجود مسیر پسخور پایداری سیستم افزایش پیدا کرده و بازه ای بودن نرون های میانی، شبکه عصبی را در برابر نویز و عدم قطعیت موجود در داده ها مقاوم تر می کند. در کنار آن، در این مقاله با توجه به اهمیت تعداد نمونه های مورد نیاز برای پیش بینی داده آینده، به منظور کاهش اثر عدم قطعیت و حجم محاسبات از روش تیوری تقابل اطلاعات استفاده شده است. در انتها روش پیشنهاد شده بر روی داده های دما اعمال شده و نتایج قابل قبولی بدست آمده است.
Keywords:
Authors
سارا صحت
دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی
محمد تشنه لب
دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی