پیادهسازی شناساگر عصبی سینوسی پایداربا یادگیری عاطفی بهنگام
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 480
فایل این مقاله در 6 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:
FNCEITPNU02_051
تاریخ نمایه سازی: 19 اردیبهشت 1395
چکیده مقاله:
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:
نویسندگان
قاسم احمدی
مربی، گروه ریاضی، دانشگاه پیام نور، تهران، ایران.
محمد تشنهلب
استاد، قطب علمی کنترل صنعتی، گروه کنترل، دانشکده مهندسی برق، دانشگاه خواجه نصیرالدین طوسی
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 :