بررسی کارائی مشتق کسری در شبکه عصبی MLP
محل انتشار: دومین کنگره مشترک سیستمهای فازی و هوشمند ایران
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 867
فایل این مقاله در 5 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:
FJCFIS02_159
تاریخ نمایه سازی: 26 تیر 1392
چکیده مقاله:
در این مقاله، اثر استفاده از مشتق کسری در کارائی شبکهی عصبی مورد بررسی قرار میگیرد. پس از بیان روش آموزش Backpropagationدر شبکهی عصبی، عملگر مشتق کسری جایگزین مشتق معمولی تابع تانژانت-هیپربولیکtanhمیگردد. با این کار درجهی آزادی موجود در آموزش شبکهی عصبی افزایش مییابد. بدین صورت که میتوان مشتقی کسری پیدا نمود که با اعمال آن سرعت آموزش شبکهی بیشتر شده و همچنین دارای خطای دادگان آزمایش کمتری از حالت مشتق معمولی باشد. براینشان دادن کارایی روش مورد استفاده، نمونههایی در نظر گرفته میشود که در آن، شبکه ی عصبی عمل تقریب زدن تابع شناسایی سیستم و کلاس بندیClassification) آنها را انجام میدهد. در نهایت، نتایج عددی در هر دو مورد مشتق معمولی و کسری در جداولی تنظیم گردیده و با هم مقایسه خواهد شد.
کلیدواژه ها:
نویسندگان
میثم یحییزاده
دانشکده مهندسی برق، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران