معرفی دو شبکه پرسپترون تک لایه جدید: شبکه عصبی با ورودیهای تصادفی و شبکه عصبی با ورودی اضافی به منظور حل مسئلهXOR

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,791

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

FJCFIS02_184

تاریخ نمایه سازی: 26 تیر 1392

چکیده مقاله:

استفاده روزافزون از شبکه های عصبی و بهخصوص پرسپترون چند لایه به عنوان یکی از ساده ترین شبکه های عصبی باعث شده است تا محققان زیادی به تحقیق در مورد بهینه سازی ساختار این شبکه ها بپردازند. شبکه های عصبی پرسپترون تک لایه معمولی در حل مسئلهXORناتوان اند. این مقاله با معرفی دو مفهوم جدید ورودیهای اضافیو ورودیهای تصادفیاقدام به پایه ریزی دو نوع جدید از شبکه های پرسپترون تک لایه نموده که قادر به حل مسئلهXORمی باشند. در واقع در این تحقیق به جای استفاده از لایه اضافی، ایده استفاده از ورودیهای توسعه یافته جهت حل مسئلهXORمطرح شد ه است . از این رو یکی از دستاوردهای آن را می توان در کاهش تعداد لایه ها و بهینه سازی ساختار شبکه های عصبی دانست. با استفاده از شبکه های عصبی پرسپترون با ورودیهای اضافیو شبکه عصبی پرسپترون با ورودیهای تصادفیامکان جداسازی الگوهای تفکیک ناپذیر خطی به وسیله شبکه پرسپترون تک لایه فراهم می شود

کلیدواژه ها:

الگوهای تفکیک ناپذیر خطی ، جداسازی الگوها ، شبکه پرسپترون ، شبکه های عصبی

نویسندگان

میثم امیری

دانشگاه بیرجند

سیدحمید ظهیری

دانشگاه بیرجند

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 :
  • Robert E. Dorsey and _ _ _ ابر ان John ...
  • _ _ _ _ ارشنر neural network optimization and its ...
  • _ _ and Martin Kreutz, "Operator _ _ evolutionary computation ...
  • Ne urocomputing, Vol. 70, Issues 1-3 pp. 592- 596, , ...
  • نمایش کامل مراجع