بهبودیادگیری در شبکه ی عصبی تپشی به کمک نرخ یادگیری متغیر و مومنتم

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,207

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ISCEE13_251

تاریخ نمایه سازی: 14 مرداد 1389

چکیده مقاله:

دراین مقاله به بررسی شبکه های عصبی تپشی می پردازیم و آن را با روش آموزشی پس انتشار خطا و روشهای پیشنهادی خود انطباقی پویای اصلاح شده و خود انطباقی پویا همراه با مومنتم با فرض دقیق داده ها و فضای خطای مناسب برای XOR استاندارد اموزش می دهیم آزمایشات مختلف نشان میدهد که متوسط اپک در اجراهای همگرا شده در روشهای خود انطباقی پویای اصلاح شده و خود انطباقی پویا همراه با مومنتم بسیار کمتر از روش دسته ای پس انتشار است مقایسه ی دو روش پیشنهادی نشان میدهد که روش خود انطباقی پویا همراه با مومنتم درصد موفقیت همگرایی بیشتر و روش خود انطباقی پویای اصلاح شده متوسط اپک کمتری دارد درعین حال آزمایشات نشان میدهد که نرخ موفقیت همگرایی در روش پس انتشار دسته ای کمی از روشهای یاد شده بیشتر است.

نویسندگان

احسان دلشاد

دانشجوی کارشناسی ارشدمعماری کامپیوتر

پیمان معلم

استادیار گروه مهندسی برق

سیدامیرحسن منجمی

استادیار گروه مهندسی کامپیوتر

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 :
  • محمد باقر منهاج، هوش محاسباتی، جلد اول، انتشارات دانشگاه صنعتی ...
  • پیمان معلم، سید آروین عیوقی، افزایش نرخ همگرایی شبکه های ...
  • Vol. 6, World Scientific, 2007. ...
  • SM Bohte, JN Kok, H La Poutre, Error- _ kpropagation ...
  • "Accelerating B ackpropagation through Dynamic _ Networking, Vol. 9, Issue ...
  • MLP Learning using Parallel Tangent Gradient with Variable Learming Rates", ...
  • نمایش کامل مراجع