ارایه یک الگوریتم ترکیبی جدید جهت تعلیم شبکه CMAC به منظور افزایش کارایی

یک مدل محاسباتی CMAC از مخچه انسان است که بصورت مدل ساده ای از آن ارایه شده است و میتواند بصورت یک جدول جستجو تصور شود شبکه عصبی CMAC به دلیل کارایی بالا در مقوله های متعددی از قبیل مدلسازی و کنترل کاربرد وسیعی دارد به همین دلیل نیاز به روشهایی برای رسیدن به یادگیری سریع تر و دقیقتر دراین شبکه محققان را به سمت ارایه الگوریتم های یادگیری متعددی سوق داده است دراین تحقیق الگوریتم ترکیبی جدیدی برای رسیدن به سرعت همگرایی بیشتر و درنتیجه خطای کمتر ارایه شده است که براساس الگوریتم یادگیری تقویتی عمل می کند از آ«جایی که نرخ تنزیل ثابت در الگوریتم یادگیری تقویتی امر مطلوبی نیست دراین تحقیق الگوریتم یادگیری جدیدی براساس نرخ تنزیل متغیر ارایه شده است که درتعلیم شبکه عصبی CMAC بکارگرفته شداست نتایج شبیه سازی نشان میدهد که الگوریتم حاصل نسبت به CMAC قراردادی خطا را به نحو مطلوبی کاهش میدهد.

کلیدواژه ها:

فاز تعلیم ، CMAC ، سرعت همگرایی ، یادگیری تقویتی ، نرخ تنزیل