سال انتشار: ۱۳۸۶
کد COI مقاله: FJCFIS01_229
زبان مقاله: فارسی
حجم فایل: ۳۴۵.۰۷ کیلوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)
اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.
با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است در اختیار داشته باشید.
قیمت این مقاله : ۳,۰۰۰ تومان
آدرس ایمیل خود را در کادر زیر وارد نمایید:مشخصات نویسندگان مقاله آموزش شبکه های عصبی چند لایه با به کارگیری الگوریتم PSO
علی کاشفی کاویانی - دانشگاه صنعتی امیرکبیر، دانشکده مهندسی برق، قطب علمی قدرتسیدعلی پورموسوی کانی - دانشگاه صنعتی امیرکبیر، دانشکده مهندسی برق، قطب علمی قدرت
علی جهانباتی ادرکانی - دانشگاه صنعتی امیرکبیر، دانشکده مهندسی برق، قطب علمی قدرت
چکیده مقاله:
هدف از آموزش شبکه های عصبی، یافتن اندازه وزنها و بایاس ها به نحوی است که خطای داد ه های آموزش را به حداقل ممکن برساند. لذا آموزش شبکه های عصبی را می توان در بردارنده یک مسأله بهینه سازی دانست که هدف از آن بهینه سازی ضرایب وزنی و بایا س ها جهت دستیابی به حداقل خطای آموزش می باشد. در روش های مرسوم جهت آموزش شبکه های عصبی از الگوریتم پس انتشار و دیگر روش های گرادیانی استفاده میشود. این روش ها در مواردی که شکل تابع غیرخطی و پیچیده باشد، ضعف و ناکارآمدی خود را نشان میدهند. در این مقاله، آموزش شبکه عصبی با استفاده از الگوریتم PSO انجام شده است. به کارگیری الگوریتمPSOدر آموزش شبکه های عصبی و مقایسه صورت گرفته با الگوریتم آموزشی پس انتشار،نشان می دهد که در مسائل پیچیده توأم با فرآیندهای غیرخطی، استفاده از الگوریتم جدید کارآیی بالاتری را به همراه دارد. در انتها نتایج پیاده سازی الگوریتم ارائه شده بر روی دو مسأله و مقایسه آن با روش آموزشی پس انتشار آورده شده است.کلیدواژهها:
شبکه های عصبی چند لایه، الگوریتم PSO ، الگوریتم پس انتشار، کمینه سازی مربعات خطاکد مقاله/لینک ثابت به این مقاله
برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:https://www.civilica.com/Paper-FJCFIS01-FJCFIS01_229.html
کد COI مقاله: FJCFIS01_229
نحوه استناد به مقاله:
در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:کاشفی کاویانی, علی؛ سیدعلی پورموسوی کانی و علی جهانباتی ادرکانی، ۱۳۸۶، آموزش شبکه های عصبی چند لایه با به کارگیری الگوریتم PSO، اولین کنگره مشترک سیستم های فازی و سیستم های هوشمند، مشهد، دانشگاه فردوسی مشهد، https://www.civilica.com/Paper-FJCFIS01-FJCFIS01_229.html
در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (کاشفی کاویانی, علی؛ سیدعلی پورموسوی کانی و علی جهانباتی ادرکانی، ۱۳۸۶)
برای بار دوم به بعد: (کاشفی کاویانی؛ پورموسوی کانی و جهانباتی ادرکانی، ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.
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 :کدام مقالات به این منبع استناد نموده اند
بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۱ مقاله استفاده شده است.
علم سنجی و رتبه بندی مقاله
مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
در بخش
علم سنجی پایگاه سیویلیکا
می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را
بر اساس آمار مقالات نمایه شده مشاهده نمایید.
مدیریت اطلاعات پژوهشی
اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.
مقالات پیشنهادی مرتبط
- بهینه سازی یک سیستم خبره توسط الگوریتم ژنتیک به منظور پیش بینی هپاتیت
- ترکیب الگوریتم بهینه سازی ازدحام ذرات و شبکه عصبی مصنوعی جهت پیش بینی توان انرژی باد
- مقایسه هیدرودینامیک سه بعدی سرریزهای کلیدپیانویی و کنگره ای مستطیلی
- اصلاح قیرباپلیمرهای داخلی برمبنای الزامات فنی سیستم روسازی راه
- کاربرد شبکه های عصبی مصنوعی در پزشکی
مقالات فوق بر اساس داده کاوی مقالات مطالعه شده توسط پژوهشگران محاسبه شده است.
مقالات مرتبط جدید
- طراحی MDAC1.5 بیتی جهت رسیدن به دقت توان و زمان نشست بهتر
- اندازه گیری زمان در مدارهای سوئییچینگ سریع بوسیله مدارهای دوگانه
- یک چهارچوب برای تعریف آماری ترافیک داده های داخلی برای دسترسی کارآمد طیف دینامیک در باند 2.4 گیگاهرتز ISM
- ارائه یک الگوریتم جفت دسته ای برای بهینه سازی مسائل ایستای Multimodal براساس الگوریتم PSO
- کاربرد شبکه عصبی در پیش بینی خواص دی الکتریک محلول آبکی کود شیمیایی دی آمونیوم فسفات در شرایط متفاوت به منظور ارتقای پدیده های انتقال در خاک
مقالات فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.
شبکه تبلیغات علمی کشور
به اشتراک گذاری این صفحه
اطلاعات بیشتر درباره COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.