بهبود شناسایی الگو درربات با استفاده ازشبکه ی عصبی آشوبگونه ی کنترل شده

برای ایجاد شبکه ی عصبی آشوبگونه نیاز به وجود تابع سیگموید می باشد دراین مقاله و بواسطه راهکارپیشنهادی ما برای بهتر شدن روش به حالت پویا کاهشآشوب بهبود نمای لیاپانوف و افزایش سرعت همگرایی اقدام به ارایه نوعی تابع جدید نموده ایم تابع موردن ظر علاوه برپوشایی کامل کاستی های شبکه عصبی اشوبگونه همانند بالا بودن زمان اجرایی زیاد بودن عملیات محاسباتی و پایین بودن سرعت همگرایی می تواند کمک بسزای یدررفع مشکلات ثانویه شبکه عصبی آشوبگونه داشته باشد ازسوی دیگر روش جدیدی که برای کنترل آشوب دراین مقاله پیشنهاد میشود منحصرا برای حافظه انجمنی بکارگرفته خواهد شد و با تغییر ضریب کنترل درآن با استفاده از روش متریک معکوس خروجی های شبکه ی عصبی آشوبگونه کنترل شده با سرعت بیشترین به الگوهای ذخیره شده همگرا می شوند روش کنترلی فوق کاملا هوشمند بوده و با اعمال چنین مکانیسمی به حافظه داخلی ربات عملیات شناسایی الگو می تواند توسط ربات انجام پذیرد و بدین واسطه نرخ تشخیص تاحدزیادی بالا رود.

کلیدواژه ها:

شبکه ی عصبی آشوبگونه ، حافظه ی انجمنی ، پردازش اطلاعات ، نمای لیاپانوف ، ربات