بهینه سازی روش پرسپترون چندلایه برای آموزش شبکه عصبی

در این مقاله سعی شده تا با استفاده از شبکه های عصبی مصنوعیپرسپترون و سری های زمانی که ترجیحا میزان مصرف برق طی 15سال گذشته می باشد ، بهترین روش آموزش شبکه را مشخص نمود.در ابتدا مروری بر چرایی و دلیل استفاده از شبکه عصبی را خواهیمداشت و در ادامه بعد از تشریح ساختار شبکه عصبی (ترجیحاًپرسپترون چندلایه 1)، اشاره ای خواهیم داشت به کلیت سریزمانی و چگونگی تبدیل یک مساله پیش بینی سری زمانی به یکمساله تقریب تابعی کامل به گونه ای که بشود با شبکه عصبی آن راحل کرد. برای ارزیابی عملکرد مدل ارائه شده از معیار خطایمیانگین مربعات خطا به کارگرفته شده است. برای ارزیابی هم دادهها را به دو قسمت تقسیم می کنیم که از 80 درصد داده ها برایآموزش و 20 درصد برای تست . میانگین مربعات خطا و میانگینمطلق خطا نشان دهنده میزان خطای مدل می باشند. که بهترینمقدار آنها برابر صفر است خواهی دید که شبکه عصبی پرسپترون با دولایه و یک نورون و دو تابع اکتیویشن، میانگین خطای آموزش وتست کمتری خواهد داشت.

کلیدواژه ها:

شبکه عصبی ، پرسپترون چندلایه ، سری زمانی ، تقریب تابعی