استفاده ازالگوریتم جهش قورباغه درآموزش شبکه های عصبی بازگشتی غیرخطی
عنوان مقاله: استفاده ازالگوریتم جهش قورباغه درآموزش شبکه های عصبی بازگشتی غیرخطی
شناسه ملی مقاله: BPJ01_754
منتشر شده در اولین همایش ملی رویکردهای نوین در مهندسی کامپیوتر و بازیابی اطلاعات در سال 1392
شناسه ملی مقاله: BPJ01_754
منتشر شده در اولین همایش ملی رویکردهای نوین در مهندسی کامپیوتر و بازیابی اطلاعات در سال 1392
مشخصات نویسندگان مقاله:
سمیه رنجکش - عضو هیئت علمی دانشگاه آزاد اسلامی رودسر
زینب رنجکش - کارشناس ارشدمهندسی کامپیوترنرم افزار
موسی بریسمی - دانشجوی کارشناسی ارشدمهندسی کامپیوترمعماری
خلاصه مقاله:
سمیه رنجکش - عضو هیئت علمی دانشگاه آزاد اسلامی رودسر
زینب رنجکش - کارشناس ارشدمهندسی کامپیوترنرم افزار
موسی بریسمی - دانشجوی کارشناسی ارشدمهندسی کامپیوترمعماری
شبکههای عصبی بازگشتی غیرخطی 1 به عنوان مدلهای نظری برای مدل کردن و پیشگویی رفتار سیستمهای غیرخطی مانندبارها و سیستمهای الکتریکی و مکانیکی بکارمیروند. شبکههای بازگشتی بوسیلهی الگوریتمهای بهینهسازی کلاسیک آموزش دادهمیشوند. در این مقاله از الگوریتم بهینهسازی جهش قورباغه برای آموزش شبکههای عصبی بازگشتی ، استفاده میشود. این الگوریتم برای بدست آوردن بردار وزنی بهینهی شبکهی بازگشتی، از تکرارهای بیش از حد یا الگوریتمهای جستجوی خطی خستهکننده استفاده نمیکند و در بهینهی محلی کمعمق گیر نمیافتد. در هنگام آموزش مدلِ مورد نظر ، از الگوریتم جهش قورباغه در مدoff-line استفادهمیشود. در نهایت این الگوریتم با روش های گرادیان کاهندهی برخط و گرایان کاهنده در مد بلاک مقایسه میشود و نتایج بیان کننده ی کارایی بالای روش پیشنهادی می باشد
کلمات کلیدی: الگوریتم جهش قورباغه ، شبکه های عصبی بازگشتی، آموزش،بهینه سازی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/226001/