روش بهینه سازی رشد پایه ای و هرس عمقی در شبکه های عصبی مصنوعی
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,029
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AEBSCONF02_196
تاریخ نمایه سازی: 16 خرداد 1394
چکیده مقاله:
همانطور که می دانیم باتوجه به وجود ساختارهای عمیق در مغز انسان، محققان به سمت تعلیم شبکه های عصبی ساختار عمیق گرایشپیدا کرده اند. همچنین می دانیم که این ساختارهای عمیق مغز انسان به صورت سلسله مراتبی است و همچنین این ساختارها ثابتنیستند و در طول زمان تغییر می کنند براین اساس، در این مقاله با توجه به سازماندهی و ساختار سلسله مراتبی مغز انسان، روش کلی رابرای تغییر ساختارشبکه عصبی مصنوعی با ساختار عمیق (رشد و گسترش شبکه و سپس هرس و حذف مؤلفه ها یا بازنمایی های تکراری) به نام BGDP پیشنهاد می کنیم. این روش در دو فاز مجزا رشد و هرس انجام می شود؛ فاز رشد الگوریتم، شبکه عصبی را با استفاده از تولد نورون، از پایه ای ترین لایه رشد می دهد و سپس در فاز هرس، مؤلفه های هر لایه را از عمق شبکه شروع به هرس میکنیم. این روشبا بکارگیری این ترتیب خاص برای گسترش و خلاصه کردن اطلاعات شبکه، دقت شبکه را بالا می برد و باعث می شود اطلاعات شبکه ازبین نرود، در صورتی که دیگر روش های رشد و هرس با عدم استفاده از این تکنیک، بیشتر اطلاعات شبکه را از دست می دهند وهمچنین قابلیت پیاده سازی برای شبکه های عمیق را هم فراهم نموده است.
کلیدواژه ها:
نویسندگان
معصومه طالب زاده
دانشکده مهندسی پزشکی دانشگاه امیرکبیر
سیدعلی سیدصالحی
دانشکده مهندسی پزشکی دانشگاه امیرکبیر
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 :