الگوریتمی بر مبنای شبکه عصبی برای مسیریابی در شبکه های میان ارتباطی چند سطحی

در این مقاله از یک الگوریتم یادگیری وبر مبنای شبکه های عصبی برای مسیریابی در شبکه های میان ارتباطی چند سطحی (MIN) استفاده کرده ایم. در این الگوریتم یک تابع انرژی بر اساس مسیر صحیح ما بین ورودی و خروجی تعریف کرده و با روش حرکت در خلاف جهت بردار گرادیان سعی می کنیم درنهایت این تابع به مقدار کمینه خود برسد. نتایج شبیه سازی نشان میدهد این روش مسیر صحیح ما بین ورودی و خروجی را پیدا کرده و از لحاظ کارایی نیز قابل مقایسه با روش های دیگر می باشد. پارامترهای یک الگوریتم یادگیری معمولا با استفاده از سعی و خطا بدست میآیند، ولی ما در اینجا فرمولهایی را برای تعیین مقدار انها بیان کرده ایم، حد آستانه بالا و حد آستانه پایین، برای روشن بودن و خاموش بودن نورون ها نیز محاسبه شده اند، که طراحی شبکه های عصبی بر اساس این حدود موجب بهبود عملکرد شبکه می گردد. این الگوریتم را می توان به صورت سخت افزاری و یا نرم افزاری پیاده سازی نمود که پیاده سازی نرم افزاری آن مورد بررسی قرار خواهد گرفت.

کلیدواژه ها:

شبکه های میان ارتباطی چند سطحی ، شبکه های عصبی ، مدل Hopfield ، ضریب یادگیری ، حد آستانه بالا ، حد آستانه پایین