پیاده سازی شبکه های عصبی راف با یادگیری احتمالاتی جهت شناسایی سیستم های غیرخطی

نویسندگان

سید محمد جواد آل هاشر

seyyed mohammad javad alehasher دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران محمد تشنه لب

mohammad teshnehlab دانشگاه خواجه نصیر

چکیده

در این مقاله یک شبکه عصبی راف بهبود یافته به منظور شناسایی سیستم  های غیرخطی آشوبی ارائه شده است. شبکه  های عصبی راف نوعی از ساختارهای عصبی هستند که براساس نرون  های راف طراحی می  شوند. یک نرون راف را می  توان بصورت زوجی از نرون  ها در نظر گرفت، که به نرون  های کرانه بالا و کرانه پایین موسوم هستند. رویکرد نرون راف استفاده از محاسبات بازه  ای در شبکه عصبی را امکان پذیر می  سازد، بنابراین می  توان آنرا به عنوان نگرشی نوین در زمینه طراحی شبکه  های عصبی تلقی نمود. همانند شبکه  های پرسپترون چندلایه، شبکه  های عصبی راف نیز می  توانند با استفاده از الگوریتم پس انتشار خطا مبتنی بر گرادیان نزولی آموزش داده شوند، با این حال این الگوریتم دارای مشکلاتی مانند کمینه محلی است. در این مقاله روش یادگیری با نظارت جدیدی براساس احتمال خطای موثر نرون  ها، برای آموزش شبکه  های عصبی ارائه شده است که آنرا یادگیری احتمالاتی می  نامیم. جهت ارزیابی این تحقیق، کارایی شبکه عصبی راف بهبود یافته و الگوریتم یادگیری پیشنهادی برحسب خطای شناسایی سری  های زمانی آشوبی مورد بررسی قرار گرفته است.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

یک الگوریتم یادگیری ترکیبی جهت طراحی شبکه های موجک فازی برای تقریب توابع، شناسایی و کنترل بهنگام سیستم های غیرخطی

در این مقاله، یک الگوریتم یادگیری ترکیبی جدید برای طراحی شبکه های موجک فازی به منظور تقریب توابع، کنترل و شناسایی سیستم های غیرخطی ارائه شده است. الگوریتم پیشنهادی مبتنی بر الگوریتم حداقل مربعات متعامد (OLS)، الگوریتم جهش قورباغه های بهم آمیخته (SFL) و روش حداقل مربعات بازگشتی(RLS) می باشد. الگوریتم حداقل مربعات متعامد جهت تعیین ابعاد شبکه، غربال کردن موجکها به منظور انتخاب موجکهای مؤثرو تع...

متن کامل

پیاده سازی سیستم تصمیم یار مبتنی بر شبکه عصبی احتمالی جهت تشخیص نوع سرطان پستان

چکیده مقدمه: سرطان پستان رایج‌ترین شکل سرطان در زنان است. تشخیص به‌موقع سرطان شانس زنده ماندن بیمار را افزایش می‌دهد. شبکه‌های عصبی مصنوعی از روش‌های نوین مدل‌سازی و پیش‌بینی هستند. هدف از این مطالعه تشخیص خوش‌خیم یا بدخیم بودن توده‌های سرطان پستان است که برای این منظور سیستم تصمیم‌یار مبتنی بر شبکه عصبی احتمالی طراحی شد. روش بررسی: در این مطالعه یک شبکه عصبی احتمالی طراحی شد که بر اساس متغیره...

متن کامل

یک الگوریتم یادگیری ترکیبی جهت طراحی شبکه های موجک فازی برای تقریب توابع، شناسایی و کنترل بهنگام سیستم های غیرخطی

در این مقاله، یک الگوریتم یادگیری ترکیبی جدید برای طراحی شبکه های موجک فازی به منظور تقریب توابع، کنترل و شناسایی سیستم های غیرخطی ارائه شده است. الگوریتم پیشنهادی مبتنی بر الگوریتم حداقل مربعات متعامد (ols)، الگوریتم جهش قورباغه های بهم آمیخته (sfl) و روش حداقل مربعات بازگشتی(rls) می باشد. الگوریتم حداقل مربعات متعامد جهت تعیین ابعاد شبکه، غربال کردن موجکها به منظور انتخاب موجکهای مؤثرو تعیین ...

متن کامل

شناسایی سیستم های دینامیکی غیرخطی با شبکه های عصبی بازگشتی

اصلی¬ترین هدف در شناسایی سیستم¬ها ایجاد مدلی است که رفتاری همانند سیستم اصلی داشته باشد. شناسایی، در سیستم¬های غیرخطی دارای ملاحظات بیشتری نسبت به سیستم¬های خطی است. چرا که فرآیند¬های غیرخطی عموما به¬ صورت منحصر به فرد عمل می¬نمایند و خصوصیات مشترک کمی دارند. در برخی مواقع سیستم غیرخطی مورد نظر یک جعبه سیاه است که هیچ اطلاعی از درون سیستم در دست نمی باشد و تنها اطلاع ما از سیستم، دسته ای از داد...

طراحی و پیاده سازی شبکه های عصبی با توابع فعال ساز ویولت و چبیشف برای شناسایی سیستم های غیرخطی

در این پایان نامه ساختارهای جدیدی بر اساس توابع چبیشف و خانواده ی توابع ویولت بر اساس دیدگاه narmax ارائه شده که برای اهداف شناسایی سیستم و پیش بینی سری های زمانی غیر خطی کاربرد دارند. ساختارهای ارائه شده در این تحقیق شامل ترکیبات مختلف توابع چبیشف، توابع از خانواده ی ویولت، بسط hdmr و روش های آنالیز باقیمانده می باشند. این ساختارها حاصل ترکیب مدل های پارامترخطی و شبکه های عصبی غیرخطی بوده و قا...

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
کنترل

جلد ۶، شماره ۱، صفحات ۴۱-۵۰

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023