علی مرحمتی - کارشناسی ارشد مهندسی فناوری اطلاعات، دانشگاه آزاد اسلامی واحد قزوین، ایران

در این مقاله، سعی شده تا تاثیر پارامترهای شبکه های پیچیده پویا بر عملکرد مدلهای یادگیری ماشین بررسی گردد. شبکه های پیچیده پویا در بسیاری از حوزه ها مانند علوم اجتماعی، علوم زیستی و فیزیک به کار میروند و تحلیل آنها میتواند به درک بهتر سیستم های پیچیده کمک کند. با توجه به اینکه پارامترهای شبکه های پیچیده پویا میتوانند بر عملکرد مدل های یادگیری ماشین تاثیر گذار باشند، بررسی و ارزیابی این تاثیرات بسیار مهم میباشد. در این مقاله، مطالعات پیشین در زمینه شبکه های پیچیده پویا و مدل های یادگیری ماشین مورد بررسی قرار گرفته و پارامترهای شبکه های پیچیده پویا که بر تاثیر مدل های یادگیری ماشین میتوانند داشته باشند، بررسی شده است. نتایج این مطالعه نشان میدهد که پارامترهای مختلف شبکه های پیچیده پویا از جمله اندازه شبکه، نوع ارتباطات و شکل شبکه و... میتوانند بر عملکرد مدل های یادگیری ماشین تاثیرگذار باشند و باید در انتخاب بهینه ی پارامترهای شبکه به دقت توجه شود.

شبکه های پیچیده پویا، یادگیری عمیق، پارامترهای شبکه، شبکه عصبی بازگشتی، الگوریتم های گرادیان کاهشی