تخمین تابع با استفاده از شبکه عصبی مصنوعی RBF و کاربرد های آن در سیستم های قدرت الکتریکی

شبکه های پایه شعاعی (RBF) نوعی شبکه عصبی مصنوعی هستند که برای تخمین و تقریب توابع غیرخطی طراحی شده اند. این شبکه ها به ویژه برای مسائل پیچیده ای که نیاز به تعمیم پذیری باال و دقت در پیش بینی دارند، کاربرد دارند. ساختار اصلی شبکه های RBF شامل سه الیه است. این ساختار به شبکه اجازه می دهد تا روابط پیچیده و غیرخطی میان ورودی ها و خروجی ها را به خوبی مدل سازی کند. ویژگی های برجسته شبکه های RBF شامل سرعت بالای یادگیری و توانایی در تقریب دقیق توابع است. این شبکه ها به دلیل استفاده از توابع شعاعی در الیه مخفی، به ویژه در مسائل تقریب تابع که نیاز به پردازش سریع و دقیق دارند، عملکرد بهتری نسبت به سایر شبکه های عصبی دارند. علاوه بر این، الگوریتم های آموزش ساده و کارآمدی دارند که باعث تسریع فرایند یادگیری می شود. در این مقاله، به بررسی نحوه عملکرد شبکه های RBF در تخمین توابع غیرخطی در سیستم های قدرت الکتریکی پرداخته می شود و نتایج شبیه سازی ها ارائه می گردد و همچنین کاربردهای RBF در سیستم های قدرت الکتریکی مورد بررسی قرار می گیرد.

کلیدواژه ها:

تخمین تابع ، RBF ، شبکه عصبی مصنوعی ، feed forward ، معادالت غیر خطی