کاربرد شبکه های عصبی خودسازمانده ) SOM )درمدل سازی غیر خطی گسسته
عنوان مقاله: کاربرد شبکه های عصبی خودسازمانده ) SOM )درمدل سازی غیر خطی گسسته
شناسه ملی مقاله: ICNMO01_176
منتشر شده در کنفرانس بین المللی مدل سازی غیر خطی و بهینه سازی در سال 1391
شناسه ملی مقاله: ICNMO01_176
منتشر شده در کنفرانس بین المللی مدل سازی غیر خطی و بهینه سازی در سال 1391
مشخصات نویسندگان مقاله:
خسرو جلالی
خلاصه مقاله:
خسرو جلالی
شبکه های عصبی مصنوعی به عنوان یکی ازمولفه های اصلی هوش محاسباتی ازخواص مهمی برخوردارند که آنها را درعلوم و مسائل فنی مهندسی حائز اهمیت می نماید دربین این خواص توانایی تقریب زنی توابع غیرخطی قابلیت یادگیری پردازش موازی مقاوم بودن و تعمیم پذیری ازاهمیتی خاص برخوردارند ازکاربردهای مهم شبکه های عصبی می توان به موارد زیراشاره نمود طبقه بندی شناسایی و تشخیص الگو پردازش سیگنال مدل سازی و کنترل بهینه سازی و سیستم های خبره وفازی خاصیت یادگیری شبکه های عصبی از اهمیت ویژه ای برخوردار است نوع یادگیری توسط روندی که طبق آن پارامترهای شبکه تنظیم می شود مشخص می شود و درانواع با ناظر و بدون ناظر وجود دارد.
کلمات کلیدی: شبکه عصبی، بهینه سازی، تقریب زنی، سیستم فازی، پخش بار
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/187769/