کاربرد شبکه های عصبی خودسازمانده ) SOM )درمدل سازی غیر خطی گسسته
محل انتشار: کنفرانس بین المللی مدل سازی غیر خطی و بهینه سازی
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,701
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICNMO01_176
تاریخ نمایه سازی: 19 اسفند 1391
چکیده مقاله:
شبکه های عصبی مصنوعی به عنوان یکی ازمولفه های اصلی هوش محاسباتی ازخواص مهمی برخوردارند که آنها را درعلوم و مسائل فنی مهندسی حائز اهمیت می نماید دربین این خواص توانایی تقریب زنی توابع غیرخطی قابلیت یادگیری پردازش موازی مقاوم بودن و تعمیم پذیری ازاهمیتی خاص برخوردارند ازکاربردهای مهم شبکه های عصبی می توان به موارد زیراشاره نمود طبقه بندی شناسایی و تشخیص الگو پردازش سیگنال مدل سازی و کنترل بهینه سازی و سیستم های خبره وفازی خاصیت یادگیری شبکه های عصبی از اهمیت ویژه ای برخوردار است نوع یادگیری توسط روندی که طبق آن پارامترهای شبکه تنظیم می شود مشخص می شود و درانواع با ناظر و بدون ناظر وجود دارد.
کلیدواژه ها:
نویسندگان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :