طراحی و شبیه سازی فیلتر غیرخطی تطبیقی عصبی پویای شناساگر با نرخ بهینه برای همگرایی پارامترها بر پایه گرادیان نزولی
محل انتشار: یازدهمین کنفرانس سراسری سیستم های هوشمند
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 838
فایل این مقاله در 9 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:
ICS11_210
تاریخ نمایه سازی: 14 مهر 1392
چکیده مقاله:
بحث همگرایی در شبکه های عصبی شناساگر و کنترل کننده یکی از موارد پر اهمیت در مهندسی کنترل می باشد، که در این راستا تحقیقات متنوعی صورت پذیرفته است که عمدتا در چهارچوب شبکه های عصبی معمولی بوده است. در این مقاله الگوریتم گرادیان نزولی تطبیقی با یادگیری پارامترهای شبکه عصبی پویا به صورت به هنگام بر اساس بسط سری تبلور خطای خروجی مطرح و همگرایی الگوریتم آموزشی بررسی شده است. برای افزایش دقت و سرعت همگرایی، جمله های مرتبه دوم و بالاتر بسط تبلور با استفاده از گرادیان نزولی بروز رسانی می شود. الگوریتم آموزشی معرفی شده برای دو مثال شبیه سازی شده است. محدوده به دست آمده و نتایج شبیه سازی افزایش سرعت همگرایی را نشان می دهند
کلیدواژه ها:
نویسندگان
فاطمه علی بخشی
دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران
محمد تشنه لب
قطب علمی کنترل صنعتی، دانشکده برق و کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
محمد منشوری
آزمایشگاه سیستم های هوشمند، دانشکده برق و کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران
مهدی علی بخشی
دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران
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 :