طراحی و پیاده سازی شبکه های عصبی حافظه دار با آموزش عاطفی برای پیش بینی پارامتردما

در این مقاله کاربرد شبکه های عصبی حافظه دار با استفاده .3 آموزش عاطفی برای پیش بینی دما آموزش و برردسجی شده است. l توجه به میزان تاثیر وضعیت آب و هوا و مقادیر پارامترهای هواشناسی در تمامی زمینه ها، این مقوله از جایگاهی ویژه برخوردار شده است. محققان در تلاش برای ایجاد یک ارتباط خطی میان دادههای هواشناسی هستند. اما با کشف ماهیت روابط بین پارامترها، غیرخطی بودن روند رویکرد تغییر پیدا نمود. هر چند روش های غیرخطی زیادی در آمار برای پیش بینی آب و هوا وجود دارد، اما بیشتر آنها نیازمند مدلهای غیرخطی همراه با پیچیدگی هستند. لذا با توجه به اینکه این دادهها فاقد یک مدل ریاضی می باشند، امکان پیشبینی به دلیل تغییر پذیر بودن سیستم آب و هوا با زمان، روش های معمول پیش بینی را با مشکل روبرو می نمایند، اما زمانی که داده های آب و هوا غیرخطی است به دنبال آن یک روند غیرمنظم دارد، روش شبکه های عصبی مصنوعی یک روش تکامل یافته بهتری می باشد. بنابراین از روش شبکه های عصبی حافظه دار که دارای عمق حافظه برای نگهداری اطلاعات قبل هستند به عنوان یک روش مناسب برای ایجاد ارتباط ساختاری میان ورودی های مختلف برای پیش بینی پارامترهای آب و هوا استفاده می شود. نتایج نشان می دهد که شبکه های حافظه دار با آموزش عاطفی کارایی بهتری نسبت به شبکه عصبی بدون حافظه یا حتی شبکه های عصبی حافظه دار بدون آموزش عاطفی دارند.

کلیدواژه ها:

داده های هواشناسی ، شبکه های عصبی مصنوعی ، شبکه عصبی حافظه دار ، آموزش عاطفی و پیش بینی آب و هوا