بهینه سازی ساختار شبکه ی عصبی جلوسو بر اساس تلفیق، تولد و تقسیم نورون ها در حین تعلیم

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,421

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICBME14_106

تاریخ نمایه سازی: 3 تیر 1387

چکیده مقاله:

یکی از مسائلی که در هنگام بکارگیری شبکه های عصبی مصنوعی برای انجام وظیفه ای معین با آن روبرو می شویم، انتخاب ساختار مناسب با تعداد لایه ها و نورونهای کافی و بهینه برای شبکه است. به همین دلیل بهینه سازی ساختار شبکه در حین تعلیم از اهمیت ویژهای برخوردار است. در این مقاله با ارائه ی روشی نوین به بهینه سازی ساختار شبکه ی عصبی جلوسو در حین تعلیم، پرداخته شده است. مبنای شیوه ی آموزش شبکه الگوریتم تکاملی قرار داده شده و در هنگام یادگیری شبکه با این الگوریتم، به نورونها اجازه ی تلفیق، تولد و تقسیم داده شده است. با بهینه سازی ساختار شبکه، یک هدف ضمنی نیز دنبال می شود. این هدف رسیدن به استقلال نقش نورون ها در هر لایه از شبکه است که در راستای هدف عالیتر استخراج مؤلفه های مستقل غیرخطی دادگان ورودی توسط شبکه های عصبی دنبال می شود. در این تحقیق با تعلیم یک شبکه ی عصبی جلوسوی خودانجمنی چندلایه و استفاده از دادگانی که به طور مصنوعی چند مؤلفه ی مستقل غیرخطی در آن قرار داده شده، نشان داده شده است که شبکه ی عصبی در حین تعلیم توسط الگوریتم تکاملی با بکارگیری شیوه هایی برای تلفیق، تولد و تقسیم نورونها، می تواند حداقل مؤلفه های مستقل غیرخطی موجود در دادگان را استخراج نماید.

کلیدواژه ها:

شبکه های عصبی ، الگوریتم تکاملی ، تلفیق نورونها ، تولد و تقسیم نورونها ، مؤلفه های مستقل غیرخطی

نویسندگان

فهیمه شیخ زاده

دانشگاه صنعتی امیرکبیر، دانشکده ی مهندسی پزشکی

فائزه حیدری خباز

دانشگاه صنعتی امیرکبیر، دانشکده ی مهندسی پزشکی

سیدعلی سیدصالحی

دانشگاه صنعتی امیرکبیر، دانشکده ی مهندسی پزشکی

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 :
  • ا. نژادقلی، "بازشناخت مقاوم گفتار نسبت به تنوعات مختلف گوینده ...
  • م. قاسمی، "استخراج مولفه‌های مستقل غیرخطی سیگنال گفتار"، پایان‌نامه‌ی کارشناسی ...
  • س. ع. سیدصالحی، "افزایش کارآئی بازشناخت الگوی شبکه‌های عصبی جلوسو ...
  • م. ب. منهاج، "مبانی شبکه های عصبی"، مرکز نشر دانشگاه ...
  • P.G. Benardos, G. C. Vosniakos, "Optimizing feedforward artificial neural network ...
  • F. Azam, *Biologically Inspired Modular Neural Netvorks', Blackburgs, Virginia, May ...
  • J. Ghosen, Y. Bengio, _ Learring, knowledge sharing', IEEE Trans, ...
  • P. T.Quinlan, ،, Structural change and development in real and ...
  • E. J. Teoh, C. Xiang, K. C. Tan, "Estirmating the ...
  • X. Yao, "Evolving Artificial Neural Networks ', Proceedings of the ...
  • نمایش کامل مراجع