بهبودی بر شبکه‌های عصبی چند لایه انتشار برگشتی با به کارگیری نرخ یادگیری متغیر و تئوری اتوماتان و تعیین نرخ یادگیری بهینه

نویسندگان

  • علیرضا عباس زاده
چکیده مقاله:

شبکه‌های عصبی چند لایه پیش خور از دیرباز به طور وسیعی مورد توجه محققان بوده است. این شبکه‌ها علی‌رغم موفقیت چشم‌گیر در برقراری ارتباط بین ورودی و خروجی، دارای چندین نقطه ضعف بوده‌اند. به عنوان مثال زمان آموزش این شبکه‌ها نسبتاً طولانی است و گاهی ممکن است این شبکه‌ها آموزش نبینند. دلیل طولانی بودن زمان آموزش را می‌توان به انتخاب نامناسب پارامترهای شبکه نسبت داد. روش به دست آوردن پارامترهای وزن وبایاس شبکه، استفاده از گرادیان تابع انرژی شبکه می‌باشد. همان طور که می‌دانیم تابع خطای شبکه دارای سطح ناهمواری بوده لذا شبکه در نقاط بهینه محلی متوقف شده و آموزش نمی‌بیند. برای جبران اشکال‌های وارد به الگوریتم بازگشتی، جهت بالا بردن سرعت آموزش از نرخ یادگیری متغیر تطبیقی و برای جلوگیری از به دام افتادن شبکه در نقاط بهینه محلی از روش الگوریتم اتوماتان استفاده می‌نماییم. با استفاده از این روش‌ها می‌توان نرخ یادگیری بهینه برای شبکه‌های مختلف به دست آورد.

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

بهبودی بر شبکه های عصبی چند لایه انتشار برگشتی با به کارگیری نرخ یادگیری متغیر و تئوری اتوماتان و تعیین نرخ یادگیری بهینه

شبکه های عصبی چند لایه پیش خور از دیرباز به طور وسیعی مورد توجه محققان بوده است. این شبکه ها علی رغم موفقیت چشم گیر در برقراری ارتباط بین ورودی و خروجی، دارای چندین نقطه ضعف بوده اند. به عنوان مثال زمان آموزش این شبکه ها نسبتاً طولانی است و گاهی ممکن است این شبکه ها آموزش نبینند. دلیل طولانی بودن زمان آموزش را می توان به انتخاب نامناسب پارامترهای شبکه نسبت داد. روش به دست آوردن پارامترهای وزن وب...

متن کامل

مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure

کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...

متن کامل

نرخ رشد بهینه مخارج دولت: تئوری کنترل بهینه پویا

افزایش مخارج دولت می‌تواند منجر به افزایش تولید و عرضه کالاها و خدمات عمومی‌گردد و مطلوبیت را افزایش دهد. اما باید توجه داشت که افزایش نقش دولت در اقتصاد موجب بیرون راندن بخش خصوصی خواهد شد و این موجب کاهش مطلوبیت می‌گردد.  این تحقیق در پی یافتن نرخ رشد بهینه مخارج دولتی ایران است که منجر به حداکثر شدن مطلوبیت می‌شود و برای دستیابی به این هدف از رهیافت کنترل بهینه پویا و روش اصل ماکزیمم استفاد...

متن کامل

رویکرد تئوری بازی در تعیین نرخ ارز و نرخ دستمزد: یک مطالعه‎ی تجربی در ایران

آیا در سیستم چانه زنی سه بخشی ایران، سیاست‎گذاران دستمزد به‎طور بهینه به سیاست اتخاذ شده توسط سیاست‎گذاران نرخ ارز واکنش نشان می دهند (تعادل نش) یا واکنش آن‎ها فقط به شرایط اقتصادی است (قاعده‎ی غیرنش)؟ این مقاله علاوه بر تحلیل ماهیت بازی سیاست (قاعده‎ی نش در مقابل قاعده‎ی غیرنش)، برخی از پارامترهای ساختاری مهم را با داده‎های ایران طی دوره‎ی 1385- 1360، با استفاده از روش حداقل مربعات دو مرحله‌ای...

متن کامل

نرخ بهینه مالیات به عنوان ابزار سیاست مالی: رهیافت تئوری کنترل بهینه پویا

چکیده در اقتصاد ایران تاکنون پایه­های مالیاتی متعددی شناسایی شده است و از این پایه­های مالیاتی با نرخ­های متفاوت، مالیات اخذ      می­شود. سوالی که در اینجا به ذهن می­رسد این است که آیا این نرخ­ها بهینه هستند؟ آیا می­توان یک نرخ میانگین بهینه را تعیین نمود به نحوی که بتواند رشد و رفاه بیشتری را به­همراه داشته باشد؟ مطالعه حاضر در پی تعیین نرخ بهینه مالیات در ایران با استفاده از داده­های سری زمان...

متن کامل

منابع من

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

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 5  شماره 6

صفحات  31- 40

تاریخ انتشار 2009-01-20

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023