تنظیم پویای پارامترهای الگوریتم یادگیری فراشناختی در شبکه های عصبی فازی تمام مختلط با استفاده از سیستم فازی

الگوریتم یادگیری فراشناختی درشبکه عصبی فازی مختلط،تصمیم گیری برروی داده های آموزشی را انجام می دهد. علاوه برالگوریتم یادگیری،مفیدوموثربودن داده ورودی درفرایندآموزش، بسیاراهمیت دارد. پارامترهای فراشناختی درهرمرحله از آموزش شبکه برروی داده تصمیم مناسب می گیرند. این تصمیم،به معنی استفاده ازداده درفرایندآموزش،حذف و یاذخیره کردن آن برای استفاده درمراحل بعدی آموزش است.دراین مقاله به دلیل وجودعدم قطعیت درعوامل موثر درتنظیم پارامترهای فراشناختی وغیرجامع بودن بیان فرمولی،ازسیستم فازی دربروزرسانی پارامترها استفاده شده است. این سیستم فازی شامل چهارورودی شماره مرحله آموزش،حدآستانه یادگیری فعلی،خطای فعلی شبکه ومیزان تغییرات خطای شبکه و یک خروجی حدآستانه یادگیری جدید دامنه وفاز است. حدآستانه بروزرسانی شده برای انجام تصمیم گیری درمرحله بعدی آموزش شبکه استفاده می شود.مقایسه روش پیشنهادی باروش فراشناختی پایه،که ازرابطه وفقی برای بروزرسانی حدآستانه یادگیری استفاده می کند،روی سه مجموعه آموزشی صورت گرفته است. درنتایج حاصل ازروش پیشنهادی،علاوه برکاهش تقریبا 50 درصدی درتعدادمراحل آموزش شبکه در بیشترموارد، خطای تست شبکه حدود 30 درصد بهبودداشته است.

کلیدواژه ها:

خودتنطیمی ، سیستم استنتاج فازی ، شبکه عصبی مختلط ، فراشناختی ، محاسبات wirtinger