استفاده ازالگوریتم جهش قورباغه درآموزش شبکه های عصبی بازگشتی غیرخطی

شبکههای عصبی بازگشتی غیرخطی 1 به عنوان مدلهای نظری برای مدل کردن و پیشگویی رفتار سیستمهای غیرخطی مانندبارها و سیستمهای الکتریکی و مکانیکی بکارمیروند. شبکههای بازگشتی بوسیلهی الگوریتمهای بهینهسازی کلاسیک آموزش دادهمیشوند. در این مقاله از الگوریتم بهینهسازی جهش قورباغه برای آموزش شبکههای عصبی بازگشتی ، استفاده میشود. این الگوریتم برای بدست آوردن بردار وزنی بهینهی شبکهی بازگشتی، از تکرارهای بیش از حد یا الگوریتمهای جستجوی خطی خستهکننده استفاده نمیکند و در بهینهی محلی کمعمق گیر نمیافتد. در هنگام آموزش مدلِ مورد نظر ، از الگوریتم جهش قورباغه در مدoff-line استفادهمیشود. در نهایت این الگوریتم با روش های گرادیان کاهندهی برخط و گرایان کاهنده در مد بلاک مقایسه میشود و نتایج بیان کننده ی کارایی بالای روش پیشنهادی می باشد

کلیدواژه ها:

الگوریتم جهش قورباغه ، شبکه های عصبی بازگشتی ، آموزش ، بهینه سازی