بهبودیادگیری در شبکه ی عصبی تپشی به کمک نرخ یادگیری متغیر و مومنتم
Publish place: 13th Iranian Student Conference on Electrical Engieering
Publish Year: 1389
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,233
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:
ISCEE13_251
تاریخ نمایه سازی: 14 مرداد 1389
Abstract:
دراین مقاله به بررسی شبکه های عصبی تپشی می پردازیم و آن را با روش آموزشی پس انتشار خطا و روشهای پیشنهادی خود انطباقی پویای اصلاح شده و خود انطباقی پویا همراه با مومنتم با فرض دقیق داده ها و فضای خطای مناسب برای XOR استاندارد اموزش می دهیم آزمایشات مختلف نشان میدهد که متوسط اپک در اجراهای همگرا شده در روشهای خود انطباقی پویای اصلاح شده و خود انطباقی پویا همراه با مومنتم بسیار کمتر از روش دسته ای پس انتشار است مقایسه ی دو روش پیشنهادی نشان میدهد که روش خود انطباقی پویا همراه با مومنتم درصد موفقیت همگرایی بیشتر و روش خود انطباقی پویای اصلاح شده متوسط اپک کمتری دارد درعین حال آزمایشات نشان میدهد که نرخ موفقیت همگرایی در روش پس انتشار دسته ای کمی از روشهای یاد شده بیشتر است.
Keywords:
Authors
احسان دلشاد
دانشجوی کارشناسی ارشدمعماری کامپیوتر
پیمان معلم
استادیار گروه مهندسی برق
سیدامیرحسن منجمی
استادیار گروه مهندسی کامپیوتر
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 :