الگوریتم یادگیری جدید ترکیبی برای تعلیم شبکه عصبی CMAC با استفاده از الگوریتم یادگیری تقویتی و نرخ تنزیل متغیر
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,424
فایل این مقاله در 6 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:
ITICS01_004
تاریخ نمایه سازی: 12 فروردین 1391
چکیده مقاله:
یک مدل محاسباتیCMAC از مخچه انسان است و بصورت مدل ساده ای ارایه شده است و می تواند بصورت یک جدول جستجو تصور شود شبکه عصبی CMAC بهدلیل کارایی بالا درمقولههای متعددی از قبیل مدلسازی و کنترل کاربرد وسیعی دارد به همین دلیل نیاز به روشهایی برای رسیدن به یادگیری سریع تر و دقیق تر دراین شبکه محققان را به سمت ارایه الگوریتم های یادگیری متعدد ی سوق داده است دراین تحقیق الگوریتم ترکیبی جدیدی برای رسیدن به سرعت همگرایی بیشتر و درنتیجه خطای کمتر ارایه شده است یادگیری تقویتی از روشهای موثر در افزایش سرعت همگرایی شبکه های عصبی است دراین تحقیق با استفاده از این الگوریتم ونرخ تنزیل متغیر روشی ترکیبی جدیدی برا یتعلیم وزنهای شبکه عصبی CMAC ارایه شده است نتایج شبیه سازی نشان میدهد که الگوریتم حاصل نسبت به CMAC قرار دادی خطا را به نحو مطلوبی کاهش میدهد
کلیدواژه ها:
نویسندگان
نضال مدحج
دانشجوی ارشد گروه مهندسیکامپیوتر دانشگاه آزاد اسلامی واحد علوم و تحقیقات خوز
محمد تشنه لب
دانشگاه صنعتی خواجه نصیرالدین طوسی عضو هیئت علمی تهران
ماشااله عباسی دزفولی
دانشگاه آزاد اسلامی واحد علوم و تحقیقات خوزستان
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 :