CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بهبود شبکه های عصبی تابع پایه شعاعی RBF مبتنی بر الگوریتم خوشه بندی K-means سراسری تغییر یافته سریع برای مجموعه داده های بزرگ

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۴۹۲۳ | نظرات: ۰
سال انتشار: ۱۳۹۰
کد COI مقاله: ITICS01_127
زبان مقاله: فارسی
حجم فایل: ۴۶۲.۲ کیلوبایت (فایل این مقاله در ۱۱ 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 ۱۱ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهبود شبکه های عصبی تابع پایه شعاعی RBF مبتنی بر الگوریتم خوشه بندی K-means سراسری تغییر یافته سریع برای مجموعه داده های بزرگ

محیا عامریان - دانشجوی کارشناسی ارشد گروه علمی هوش مصنوعی مشهد
منصور اسماعیل زاده - دانشجوی کارشناسی ارشد گروه علمی هوش مصنوعی مشهد
  مرضیه حامدی - دانشگاه آزاد اسلامی واحد مشهد
  مهرداد جلالی - دانشگاه آزاد اسلامی واحد مشهد عضو هیئت علمی گروه علمی هوش مصنوعی

چکیده مقاله:

شبکه های عصبی تابع پایه شعاعی به عنوان یکی از پرکاربردترین شبکه های عصبی برای مسائل دسته بندی و پیش بینی درزمینه تشخیص الگو و یادگیری ماشین مطرح هستند از پارامترهای مهم درکارایی این شبکه ها تعدادنرون ها ی لایه پنهان که همان تعداد مراکز تعیین شده توسط قسمت بدون نظارت این شبکه ها است می باشد و نیز سرعت و حجم حافظه دراین شبکه ها در فاز یادگیری نیز تا حدودی وابسته به قسمت بدون نظارت اینشبکه ها است و همچنین تعیین دقیق و بهینه مکان مراکز درمجموعه داده های بزرگ به علت استفاده از تابع پایه شعاعی به کاررفته دراین شبکه های متواند در دقت تخمین و دسته بندی موثر باشد دراین مقاله پیشنهاد میش ود که برای سرعت بخشیدن و کم کردن میزان حا فظه مورد نیاز و همچنین افزایش صحت دراین شبکه ها برای کار با مجموعه داده های بزرگ از الگوریتم k-means سراسری تغییریافته سریع FMGKM درقیمت بدون نظارت این شبکه ها استفاده شود.

کلیدواژه‌ها:

شبکه های RBF، خوشه بندی کمینه مجموع مربعات، الگوریتم K-means، الگوریتم k-means سراسری تغییر یافته سریع

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-ITICS01-ITICS01_127.html
کد COI مقاله: ITICS01_127

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:
عامریان, محیا؛ منصور اسماعیل زاده؛ مرضیه حامدی و مهرداد جلالی، ۱۳۹۰، بهبود شبکه های عصبی تابع پایه شعاعی RBF مبتنی بر الگوریتم خوشه بندی K-means سراسری تغییر یافته سریع برای مجموعه داده های بزرگ، اولین همایش تخصصی سیستمهای هوشمند کامپیوتری و کاربردهای آنها، تهران، دانشگاه پیام نور استان تهران، https://www.civilica.com/Paper-ITICS01-ITICS01_127.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: (عامریان, محیا؛ منصور اسماعیل زاده؛ مرضیه حامدی و مهرداد جلالی، ۱۳۹۰)
برای بار دوم به بعد: (عامریان؛ اسماعیل زاده؛ حامدی و جلالی، ۱۳۹۰)
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 :

  • J.T. Tou، R.C Gonzaler، Pattern ...
  • recognition principles، Addi son-Wesley، Reading، MA، 1981. ...
  • D. S. Broomhead D. Lowe، "Multivariable functional interpolation and adaptive ...
  • S. Metej، R. M. Lewitt، "Practical considerations for #- D ...
  • T. Poggio، F. Girosi، :Networks for approximation and learning، " ...
  • M. Casdagli، Nonlinear prediction of chaotic time _ Physica D، ...
  • R. M. Sanner، J. J. , Slotine، :Gaussian networks for ...
  • A. G. Bors، C, Gabbouj، :Minimal topology for a radial ...
  • M. Niranjan، F. Fallside، "Neural networks and radial ...
  • nonlinearly degraded image، " IEEE Trans. On Image Processing، vol. ...
  • A. G. Bors، I. Pita. "Object classification in 3-D image ...
  • network، : IEEE Trans. On Image processing، vol. 8، no. ...
  • M. Bagirov، J. Ugon، D. Webb، :Fast modified global k-means ...
  • C. Decaestecke. M. Saerens. "Comparisons of different RBF networks for ...
  • On Artificial Neural Networks (ICANN)، pp. 591-596، ...
  • N. Homma، L. Jin and M. M Gupta، Static and ...
  • D. Michie، D. Spiegelhalter، C.C. Taylor، editors، ...
  • A.M.Bagirov، "Modified global k-means algorithm for sum-of-squares clustering problem, _ ...
  • M.Boden، T.Bailey(Eds.)، Proceedings of the AI 2006Work shopon Intelligent Systems ...
  • 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.