CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

شبکه عصبی پرسپترون موازی مستقیم با پیوند تابعی همراه با محاسبات بدون تکرار

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۳۸۱ | نظرات: ۰
سال انتشار: ۱۳۹۱
کد COI مقاله: ICS11_174
زبان مقاله: فارسی
حجم فایل: ۲۶۱.۹۵ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

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.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله شبکه عصبی پرسپترون موازی مستقیم با پیوند تابعی همراه با محاسبات بدون تکرار

  محمد سلیمانی پوری - دانشگاه آزاد اسلامی واحد قزوین، گروه مهندسی کامپیوتر و فناوری اطلاعات، قزوین، ایران
    کریم فائز - دانشکده مهندسی برق، دانشگاه صنعتی امیرکبیر، تهران، ایران
  ابراهیم جلوه فرد - دانشگاه آزاد اسلامی واحد قزوین، گروه مهندسی کامپیوتر و فناوری اطلاعات، قزوین، ایران

چکیده مقاله:

شبکه عصبی پرسپترون موازی، شبکهای با ساختاری ساده است؛ که جهت تخمین مورد استفاده قرار می گیرد، در این شبکه ایجاد حداکثر فاصله بین الگوهای ورودی توسط پرسپترونها، سبب افزایش توانایی طبقه بندی در ناحیه تصمیم گیری می شود. در این نوشتار روشی بدون تکرار و دارای توانایی یادگیری آنلاین ارائه شده است؛ که در آن از تابعی مثلثاتی، جهت افزایش توانایی طبقه بندی استفاده می شود.پیچیدگی محاسباتی این روش یک تابع خطی از تعداد ورودی هاست. ارزیابی های صورت گرفته بر روی دادگان استاندارد نشان می دهد که شبکه پرسپترون موازی مستقیم با پیوند تابعی، یک شبکه قابل رقابت با شبکه ها و روشهای مشابه، همچون ماشین بردار پشتیبان، پرسپترون موازی معمولی، درخت تصمیم، مادالاین و غیره در مسائل طبقه بندی است

کلیدواژه‌ها:

پرسپترون، پرسپترون موازی مستقیم، پیوند تابعی، شبکه عصبی

کد 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-ICS11-ICS11_174.html
کد COI مقاله: ICS11_174

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:
سلیمانی پوری, محمد؛ کریم فائز و ابراهیم جلوه فرد، ۱۳۹۱، شبکه عصبی پرسپترون موازی مستقیم با پیوند تابعی همراه با محاسبات بدون تکرار، یازدهمین کنفرانس سراسری سیستم های هوشمند، انجمن سیستمهای هوشمند ایران، دانشگاه خوارزمی، https://www.civilica.com/Paper-ICS11-ICS11_174.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: (سلیمانی پوری, محمد؛ کریم فائز و ابراهیم جلوه فرد، ۱۳۹۱)
برای بار دوم به بعد: (سلیمانی پوری؛ فائز و جلوه فرد، ۱۳۹۱)
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 :

  • T. Danisman, I. Marius Bilasco, J. Martinet, and C. Djeraba, ...
  • N. A. Mat Isa and W. M. F. . Mamat, ...
  • G. E. Dahl, D. Yu, L. Deng, and A. Acero, ...
  • T. Adam, U. Hashim, and U. S. Sani, "Designing an ...
  • International Conference on, 2012, pp. 233-236. ...
  • P. Auer, H. Burgsteiner, and W. Maass, "Reducing communication for ...
  • T. P. Hong and S. S. Tseng, "Parallel perceptron learning ...
  • communication model, " Parallel Computing, vol. 18, no. 2, pp. ...
  • pattern Multi-classء [7] G. Ou and Y. L Murphey, classification ...
  • S. K. Pal and S. Mitra, "Multilayer perceptron, ...
  • fuzzy sets, and classification, " IEEE Transactions _ Neural Networks, ...
  • S. R. Safavian and D. Landgrebe, "A survey of decision ...
  • I. Steinwart and A. Christmann, Support vector machines. Springer, 2008. ...
  • I. Cantador and J. R. Dorronsoro, "Parallel Perceptrons and Training ...
  • Imbalanced Classification Problems, " Proceedings of the Learning, vol. 4. ...
  • M. Fernandez -Delgado, J. Ribeiro, E. Cernadas, and S. B. ...
  • N. Cristianini and J. Shawe-Taylor, An introduction to support vector ...
  • V. Vapnik, The nature of statistical learning theory. springer, 1999. ...
  • S. Dehuri and S. B. Cho, _ comprehensive survey on ...
  • B. Widrow and M. A. Lehr, "30 years of adaptive ...
  • backpropag ation, " Proceedings of the IEEE, vol. 78, no. ...
  • Y. Freund and R Schapire, _ desici o-theoretic generalization of ...
  • L. Breiman, "Bagging predictors, " Machine learning, vol. 24, no. ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۸۷۴۴
    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

    مقالات مرتبط جدید

    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.