پیشبینی سری زمانی با وابستگیهای درازمدت با استفاده از شبکه عصبی بازگشتی نارکس
- سال انتشار: 1388
- محل انتشار: دوازهمین کنفرانس دانشجویی مهندسی برق ایران
- کد COI اختصاصی: ISCEE12_099
- زبان مقاله: فارسی
- تعداد مشاهده: 2544
نویسندگان
پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله
چکیده
ابزارهای یادگیری ماشین با پاسخ ضربه محدود برای یادگیری وابستگیهای درازمدت در سریهای زمانی مناسب نیستند. نشان داده شده است که در این مورد، حتی آموزش برخی سامانه های پویا مانند شبکه عصبی بازگشتی با استفاده از الگوریتم یادگیری نزول گرادیانی، به علت میرا شدن پیش از موعد گرادیان خطا بسیار دشوار است. دستهای از شبکه های عصبی بازگشتی به نام مدلهای خودبرگشتی غیرخطی با ورودیهای برونزاد (نارکس) حساسیت کمتری به وابستگیهای درازمدت دارند و میتوان میرا شدن گرادیان خطا را در آنها به تاخیر انداخت. در این مقاله از شبکه نارکس برای پیشبینی سریهای زمانی با وابستگیهای درازمدت استفاده شده است. مقایسه نتایج این شبکه با نتایج شبکههای بازگشتی ساده، مانند المن، توانایی یادگیری و فراگیر شدن بهتر نارکس را تایید میکند.کلیدواژه ها
بازسازی پویایی، پیشبینی سریهای زمانی، مدل خودبرگشتی غیرخطی با ورودی برونزاد (نارکس)، نزول گرادیانی، وابستگی درازمدتمقالات مرتبط جدید
- بهبود فاز تحلیل سیستم خود تطبیق به کمک یادگیری عمیق
- شناسایی و کاهش حملات پارازیت در شبکه های اینترنت اشیا با استفاده از خود تطبیقی
- کاربرد بلاکچین در(IOT)
- مروری از روش های رتبه بندی برای جستجوی معنایی در شبکه
- Mitigating Vulnerabilities in Smart Network Environments:Authentication, Privacy, and Compliance Challenges
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.