دوره 6، شماره 1 - ( مجله کنترل، جلد 6، شماره 1، بهار 1391 )
جلد 6 شماره 1,1391 صفحات 50-41 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Alehasher S M J, Teshnehlab M. Implementation of Rough Neural Networks with Probabilistic Learning for Nonlinear System Identification . JoC 2012; 6 (1) :41-50
URL: http://joc.kntu.ac.ir/article-1-67-fa.html
URL: http://joc.kntu.ac.ir/article-1-67-fa.html
آل هاشر سید محمد جواد، تشنه لب محمد. پیاده سازی شبکه های عصبی راف با یادگیری احتمالاتی جهت شناسایی سیستم های غیرخطی. مجله کنترل. 1391; 6 (1) :41-50
1- دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
2- دانشگاه خواجه نصیر
2- دانشگاه خواجه نصیر
چکیده: (15227 مشاهده)
در این مقاله یک شبکه عصبی راف بهبود یافته به منظور شناسایی سیستم های غیرخطی آشوبی ارائه شده است. شبکه های عصبی راف نوعی از ساختارهای عصبی هستند که براساس نرون های راف طراحی می شوند. یک نرون راف را می توان بصورت زوجی از نرون ها در نظر گرفت، که به نرون های کرانه بالا و کرانه پایین موسوم هستند. رویکرد نرون راف استفاده از محاسبات بازه ای در شبکه عصبی را امکان پذیر می سازد، بنابراین می توان آنرا به عنوان نگرشی نوین در زمینه طراحی شبکه های عصبی تلقی نمود. همانند شبکه های پرسپترون چندلایه، شبکه های عصبی راف نیز می توانند با استفاده از الگوریتم پس انتشار خطا مبتنی بر گرادیان نزولی آموزش داده شوند، با این حال این الگوریتم دارای مشکلاتی مانند کمینه محلی است. در این مقاله روش یادگیری با نظارت جدیدی براساس احتمال خطای موثر نرون ها، برای آموزش شبکه های عصبی ارائه شده است که آنرا یادگیری احتمالاتی می نامیم. جهت ارزیابی این تحقیق، کارایی شبکه عصبی راف بهبود یافته و الگوریتم یادگیری پیشنهادی برحسب خطای شناسایی سری های زمانی آشوبی مورد بررسی قرار گرفته است.
واژه‌های کلیدی: نرون راف، شبکه عصبی راف، یادگیری احتمالاتی، شناسایی سیستم غیرخطی و سری های زمانی آشوبی
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
