پیش بینی داده ها بااستفاده از الگوریتم شبکه های عصبی پرسپترون چند لایه و آبشاری

موضوع پیش بینی در زمینه های مختلف دارای اهمیت زیادی بوده است مصداق یادگیری در مورد شبکه های عصبی مصنوعی را میتوان به عنوان فرایندی نشان داد که پارامترهای ازاد شبکه عصبی از طریق آن بوسیله فرایند شبیه سازی از طریق محیطی تطبیق می یابند د راین مقاله با استفاده از دو شبکه عصبی به پیش بینی ومقایسه صحت دوپیش بینی بپردازیم. بدین منظور ابتدا شبکه عصبی پرسپترون چندلایه بااستفاده از الگوریتم لونبرگ مارکوارات و پس انتشار خطا تعلیم می یابد. نتایج حاصل از این تحقیق بدین صورتاست که انتخاب طول پنجره سری های زمانی متغیرهای ورودی در عملکرد شبکه های عصبی موثر است.

کلیدواژه ها:

پیش بینی ، یادگیری ، شبکه عصبی پرسپترون ، چند لایه ، الگوریتم لونبرگ مارکوارت ، شبکه عصبی آبشاری