استفاده از شبکه عصبی مصنوعی چندلایه برای تکمیل اطلاعات از دست رفته شتاب نگاشت

یکی از نکات مهم در تحلیل های دینامیکی تاریخچه زمانی، استفاده از داده های شتاب نگاشت با اطلاعات کامل و بدون نقص است. درصورتی که اطلاعات ثبت شده کامل نباشد می توان به جای استفاده از تکنیک درونیابی کلاسیک که معمولا منجر به خطای محاسباتی قابل ملاحظه می گردد از توانایی شبکه عصبی مصنوعی استفاده نمود. شبکه عصبی مصنوعی با الهام از نورون های مغز قادر هستند اطلاعات را تجزیه و تحلیل نمایند و درصورتی که اطلاعات نیاز به درونیابی داشته باشد با شناخت ماهیت اطلاعات، مقادیر جدید را تولید کنند. در این تحقیق برای تخمین اطلاعات ناقص یک شتابنگاشت از شبکه عصبی پرسپترون چند لایه استفاده می گردد. تعداد لایه های پنهان ۳ و هر لایه شامل ۲۰ نورون درنظر گرفته میشود. داده های ورودی به صورت ناقص برای آموزش به شبکه عصبی ارایه می شود. نهایتا داده های خروجی شبکه عصبی با داده های کامل مقایسه می گردند. برای بررسی این قابلیت دو داده شامل ۱۰ و ۳۰ درصد اطلاعات از یک شتاب نگاشت حذف می گردد. نتایج در دو حالت نشان دهنده ضریب همبستگی به ترتیب ۷/۹۹ و ۸/۹۷ است که نشان دهنده قابلیت شبکه عصبی در تخمین قابل قبول نتایج ناقص است.

کلیدواژه ها:

تحلیل تاریخچه زمانی ، شتاب نگاشت ، اطلاعات ناقص ، شبکه عصبی ، پرسپترون چند لایه.