پیادهسازی شناساگر عصبی سینوسی پایداربا یادگیری عاطفی بهنگام

شبکههای عصبی ابزارهایی قدرتمند در شناسایی سیستمهای غیرخطی هستند. در این مقاله از شبکه عصبی سینوسی برای شناسایی سیستمهای دینامیکی غیرخطی گسسته استفاده شده است. شبکه عصبی سینوسی یک شبکه عصبی پیشرو با تابع فعالساز سینوسی در نورونهای لایه پنهان میباشد. در این مقاله، پارامترهای شبکه عصبی سینوسی به کمک یک الگوریتم یادگیری عاطفی بهنگام بر مبنای لیاپانوف تنظیم میشوند. این الگوریتم بر مبنای نظریه پایداری لیاپانوف و یادگیری عاطفی طراحی شده است و بر خلاف الگوریتمهای یادگیری بر مبنای گرادیان، بسیار سریع است و از نقاط مینیمم موضعی اجتناب میکند. در شبیهسازیها، عملکرد بهتر شبکه عصبی سینوسی با یادگیری عاطفی بر مبنای لیاپانوف نسبت به عملکرد آن با الگوریتم یادگیری معمولی بهنگام بر مبنای لیاپانوف و مدل پرسپترون چندلایه با الگوریتمهای مذکور نشان داده شده است.

کلیدواژه ها:

سیستم غیرخطی دینامیکی گسسته ، شناسایی سیستم ، شبکه عصبی سینوسی ، یادگیری عاطفی برمبنای لیاپانوف