معياري تجربي براي تشخيص مناسب بودن استفاده از شبكه عصبي پرسپترون چندلايه جهت طبقه بندي الگوها  Fulltext 

[ پيمان معلم ] - استاديار گروه الكترونيك، دانشكده فني و مهندسي، دانشگاه اصفهان
[ اميرحسين منجمي ] - استاديار گروه كامپيوتر، دانشكده فني و مهندسي، دانشگاه اصفهان

خلاصه مقاله:

در بسياري از مسائل عم ل ي و پيچيده داده كا و ي و شناسايي الگو، از شبكه عصبي پرسپترون چندلايه براي جداسازي كلاسهاي مختلف بر مبناي الگوهاي آموزشي استفاده ميشو د . در اين موارد، معيار مناسب بودن طبقه بندي كننده عصبي، تجربي بوده و در صورتي كه جواب خوبي بدست نيايد، س عي ميشود با تغيير پارامترهاي شبكه عصبي (تعداد لايه مخفي و تعداد نرون عصبي در هر لايه) و استفاده از روش س ع ي و خطا، جواب مطلو ب گرفته شود . ولي در واقع قدرت شبكه پرسپترون چندلايه در شناسايي الگوهاي كلاسهاي گوناگون، وابسته به توزيع آماري كلاسها بوده و به نظر م يرسد رابطه اي در اين مورد برقرار اس ت . از آنجاييكه توزيع نرمال، يك توزيع متعارف در مسائل مختلف داده كا و ي و شناسايي الگو است، در اين مقاله نتايج استفاده از شبكه عصبي پرسپترون چند لايه به عنوان طبقه بن د ي كننده كلاسهايي با توزيع نرمال و با مقادير مختلف بردار مت و سط و ماتريس كوواريانس، بررس ي ميگردد . نتايج بررس ي نشان ميدهد كه طبقه بندي كننده عصبي پرسپترون چندلايه در مواردي كه اختلاف ت وزيع كلاسها در بردارهاي ميانگين بوده و ماتريس كوواريانس كلاسها بيضوي نباشند، جواب مناسبي داشته و از روشهاي آماري شناسايي الگو با تخمين پارامترهاي هر كلاس جواب بهتري م ي دهد. ولي در عوض اگر اختلاف توزيع كلاسها در ماتريس كوواريانس بوده و بردار ميانگين مشابه ب اشد، شبكه عصبي دقت روشهاي آماري را نخواهد داش ت . بنابراين بهتر است قبل از استفاده از شبكه عصبي به عنوان طبقه بندي كننده الگو در داده كا و ي و شناسايي الگو، برد ا ر متوسط و ماتريس كوواريانس داد ه هاي آموزش ي بررسي گردد تا حدود جواب قابل انتظار از شبكه عصبي در طبقه بندي الگوها مشخص گردد.

روشهاي آماري شناسايي الگو، شبكه عصبي پرسپترون چند لايه، بردار متوسط، ماتريس كوواريانس