ارایه الگوریتمی کارا جهت آموزش ماشین یادگیری سریع چندلایه

ماشین یادگیری سریع یک الگوریتم یادگیری برای آموزش شبکه های عصبی، با یک لایه مخفی است. این الگوریتم روشی موثر در حل مسایلی مانند رگرسیون طبقه بندی در اختیار ما قرار می دهد. به واسطه وجود پارامترهای تصادفی در لایه اول ساختار تک لایه این مدل، پایداری دقت طبقه بند این الگوریتم قابل قبول نیست. اتوانکدر مبتنی بر ماشین یادگیری سریع، یک شبکه عصبی با یک لایه مخفی با ورودی خروجی یکسان است. در این مقاله، برای بهبود دقت طبقه بندی جلوگیری از تولید پارامترهای تصادفی، الگوریتم اتوانکدر تکرار شونده مبتنی بر ماشین یادگیری سریع برای آموزش یک ماشین یادگیری سریع چند لایه ارایه شده است. در ادامه از این مدل چند لایه به منظور طبقه بندی داده ها استفاده شده است. نتایج آزمایش ها ری مجموعه داده نشان می دهد که روش پیشنهادی برای آموزش ماشین یادگیری سریع چند لایه، به واسطه عدم استفاده از پارامترهای تصادفی، پایدارتر بوده با دقت بیشتری نسبت به ساختارهای چند لایه پیشین ماشین یادگیری سریع اصلی عمل می کند.

کلیدواژه ها:

ماشین یادگیری سریع ، شبکه عصبی ، اتوانکدر ، استخراج ویژگی ، طبقه بندی