بهبود شبکه های عصبی تابع پایه شعاعی RBF مبتنی بر الگوریتم خوشه بندی K-means سراسری تغییر یافته سریع برای مجموعه داده های بزرگ
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 5,898
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITICS01_127
تاریخ نمایه سازی: 12 فروردین 1391
چکیده مقاله:
شبکه های عصبی تابع پایه شعاعی به عنوان یکی از پرکاربردترین شبکه های عصبی برای مسائل دسته بندی و پیش بینی درزمینه تشخیص الگو و یادگیری ماشین مطرح هستند از پارامترهای مهم درکارایی این شبکه ها تعدادنرون ها ی لایه پنهان که همان تعداد مراکز تعیین شده توسط قسمت بدون نظارت این شبکه ها است می باشد و نیز سرعت و حجم حافظه دراین شبکه ها در فاز یادگیری نیز تا حدودی وابسته به قسمت بدون نظارت اینشبکه ها است و همچنین تعیین دقیق و بهینه مکان مراکز درمجموعه داده های بزرگ به علت استفاده از تابع پایه شعاعی به کاررفته دراین شبکه های متواند در دقت تخمین و دسته بندی موثر باشد دراین مقاله پیشنهاد میش ود که برای سرعت بخشیدن و کم کردن میزان حا فظه مورد نیاز و همچنین افزایش صحت دراین شبکه ها برای کار با مجموعه داده های بزرگ از الگوریتم k-means سراسری تغییریافته سریع FMGKM درقیمت بدون نظارت این شبکه ها استفاده شود.
کلیدواژه ها:
شبکه های RBF ، خوشه بندی کمینه مجموع مربعات ، الگوریتم K-means ، الگوریتم k-means سراسری تغییر یافته سریع
نویسندگان
محیا عامریان
دانشجوی کارشناسی ارشد گروه علمی هوش مصنوعی مشهد
منصور اسماعیل زاده
دانشجوی کارشناسی ارشد گروه علمی هوش مصنوعی مشهد
مرضیه حامدی
دانشگاه آزاد اسلامی واحد مشهد
مهرداد جلالی
دانشگاه آزاد اسلامی واحد مشهد عضو هیئت علمی گروه علمی هوش مصنوعی
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 :