ناحیه بندی رفتاری فضای حالت به روش رقابتی برای خبر ههای محلی

در این مقاله، روش جدیدی برای بکارگیری یادگیری محلی در حل مسایل غیرخطی چندمتغیره پیشنهاد شده است. در این روش، فضای حالت به چند خبره آموزش داده می شود. خبره ها به تدریج رفتارهای محلی را شناسایی م یکنند و در نهایت تخصص لازم را برای مد لکردن یک یا چند زیرفضا یا ناحیه از سیستم احراز می نمایند. برای ناحی هبندی فضا، نمونه ها به خبره ها اعمال می شوند و در هر مورد خبره ای که پاسخ بهتری تولید کند، تشویق می شود تا علاوه بر آن نمونه فضای اطراف آنرا نیز فرا گیرد. هر خبره برای حفظ و توسعه زیرفضای تخصصی خود با سایر خبره ها رقابت می کند؛ ب هگونه ای که در پایان آموزش، حریم تخصصی هر خبره بر حسب رفتارهای متفاوت موجود در فضای حالت معین می شود و آن خبره مسولیت آن قسمت را بر عهده می گیرد. پس از پایان آموزش خبره ها، یک انتخاب کننده که وظیفه نگاشت فضای حالت به خبره های متخصص را برعهده دارد، آموزش داده م یشود. این معماری برای برازش یک منحنی چندضابطه ای استفاده شده است که پاسخ آن در چند ناحیه کاملا بر تابع اصلی منطبق می گردد

کلیدواژه ها:

یادگیری محلی ، یادگیری رقابتی ، خبره های محلی ، شبکه های عصبی