یادگیری زیرفضاها بر اساس حداکثر سازی آنتروپی توأم در یک نقشه خود سازمانده زیرفضای تطبیقی
محل انتشار: چهاردهمین کنفرانس مهندسی برق ایران
سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,638
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEE14_160
تاریخ نمایه سازی: 25 تیر 1387
چکیده مقاله:
ارائ ه داده ها با چند زیرفضای خطی، با حفظ سادگی می تواند برای ساختارهای غیر خطی داده ها نیز عملکرد مطلوب داشته باشد. شبک ه خود سازمانده زیرفضای تطبیقی (ASSOM) چنین ارائه ای با چند زیرفضای خطی را از داده های ورودی به صورت بی نظارت یاد می گیرد. اما این شبکه مشکلاتی دارد که از آن جمله میتوان به ارائ ه غیر عادلانه، ناپایداری، و محدودیت عبور زیر فضاها از مبدأ اشاره نمود. در این مقاله برای رفع مشکلات مذکور قوانین یادگیری جدیدی بر اساس حداکثر سازی آنتروپی توأم خروجی نورون ها به دست می آیند. ارزیابی قوانین حاصل کارایی مطلوب آنها را نشان می دهد.
کلیدواژه ها:
نویسندگان
پیمان ادیبی
آزمایشگاه بینایی و هوش محاسباتی، دانشکده مهندسی کامپیوتر و فناوری اط
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 :