دانلود مقاله بهبود سرعت یادگیری شبکه های عصبی

دانلود مقاله بهبود سرعت یادگیری شبکه های عصبی نوع فایل : Word تعداد صفحات : 30 فهرست و پیشگفتار مقدمه شبکه های عصبی چند لایه پیش خور1 به طور وسیعی د ر زمینه های متنوعی از قبیل طبقه بندی الگوها، پردازش تصاویر، تقریب توابع و ... مورد استفاده قرار گرفته است. الگوریتم یادگیری پس انتشار خطا2، یکی از

دسته بندی: فنی و مهندسی » کامپیوتر و IT

تعداد مشاهده: 2529 مشاهده

فرمت فایل دانلودی:.zip

فرمت فایل اصلی: doc

تعداد صفحات: 30

حجم فایل:176 کیلوبایت

  پرداخت و دانلود  قیمت: 22,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.
0 0 گزارش
  • دانلود مقاله بهبود سرعت یادگیری شبکه های عصبی

    نوع فایل : Word

    تعداد صفحات : 30

    فهرست و پیشگفتار

    مقدمه
    شبکه های عصبی چند لایه پیش خور1 به طور وسیعی د ر زمینه های متنوعی از قبیل طبقه بندی الگوها، پردازش تصاویر، تقریب توابع و ... مورد استفاده قرار گرفته است.
    الگوریتم یادگیری پس انتشار خطا2، یکی از رایج ترین الگوریتم ها جهت آموزش شبکه های عصبی چند لایه پیش خور می باشد. این الگوریتم، تقریبی از الگوریتم بیشترین تنزل3 می باشد و در چارچوب یادگیری عملکردی 4 قرار می گیرد.
    عمومیت یافتن الگوریتمBP ، بخاطر سادگی و کاربردهای موفقیت آمیزش در حل مسائل فنی- مهندسی می باشد. 
    علیرغم، موفقیت های کلی الگوریتم BP در یادگیری شبکه های عصبی چند لایه پیش خور هنوز، چندین مشکل اصلی وجود دارد:
    - الگوریتم پس انتشار خطا، ممکن است به نقاط مینیمم محلی در فضای پارامتر، همگرا شود. بنابراین زمانی که الگوریتم BP همگرا می شود، نمی توان مطمئن شد که به یک جواب بهینه رسیده باشیم.
    - سرعت همگرایی الگوریتم BP، خیلی آهسته است.
    از این گذشته، همگرایی الگوریتم BP، به انتخاب مقادیر اولیه وزنهای شبکه، بردارهای بایاس و پارامترها موجود در الگوریتم، مانند نرخ یادگیری، وابسته است.
    در این گزارش، با هدف بهبود الگوریتم BP، تکنیک های مختلفی ارائه شده است. نتایج شبیه سازیهای انجام شده نیز نشان می دهد، الگوریتم های پیشنهادی نسبت به الگوریتم استاندارد BP، از سرعت همگرایی بالاتری برخوردار هستند…
    خلاصه ای از الگوریتم BP 
    فرمول بندی الگوریتم BP 
    معایب الگوریتم استاندارد پس انتشار خطا1 (SBP) 
    شکل (1). منحنی یادگیری شبکه برای نرخ های یادگیری مختلف در مسأله XOR 
    بهبود الگوريتم استاندارد پس انتشار خطا (SBP) 
    - الگوريتم BP از نوع دسته اي1 (BBP) 
    شكل (2). رفتار شبكه با الگوريتم BBP در مسأله XOR ( ـــ )
    رفتار شبكه با الگوريتم SBP (0ـــ)
    - روش ممنتم 1 براي الگوريتم BP (MBP) 
    شكل(3): رفتار شبكه با الگوريتم MBP درمسأله XOR (ــــ)
    رفتار شبكه با الگوريتم SBP(.ــــ)
    - نرخ يادگيري متغير1 (VLR) 
    مراحل الگوريتم VLR، به طور خلاصه
    شكل (4). – رفتار شبكه با الگوريتم VLR براي مسأله XOR ( ـــ )
    رفتار شبكه با الگوريتم SBP (0 ـــ)
    - تغييرات نرخ يادگيري (α) در كل فرآيند يادگيري براي مسأله XOR 
    1- الگوريتم BP 
    - الگوريتم پس انتشار خطاي تطبيقي1 (ABP) 
    شكل (5). منحني يادگيري الگوريتم BP تطبيقي براي XOR
    - الگوريتم پس انتشار خطا با نرخ يادگيري و ضريب ممنتم تطبيقي1 (BPALM) 
    شكل(6). – منحني يادگيري الگوريتم BPALM در مسأله XOR
    - تغييرات نرخ يادگيري
    - تغييرات ضريب ممنتم
    - تغييرات علامت1 
    شكل (7). منحني يادگيري الگوريتم Delta Bar Delta Rule در مسأله XOR
    - الگوريتم يادگيري Super SAB 
    شكل (8). منحني يادگيري الگوريتم Super SAB براي مسأله XOR
    2- الگوريتم پس انتشار خطا با سه ترم 
    آنالیز همگرایی 
    الف. تست پایداری جوری: 
    ب. شرط پایداری برای ماتریس D 
    تئوری (1): 
    حالت اول: 
    حالت دوم: 
    تئوری (3): 
    شکل (9). منحنی یادگیری الگوریتم BP دارای سه ترم، در مسأله XOR 
    شکل (10). منحنی یادگیری الگورتم GBP در مسأله XOR به ازای S=2 و S=1
    - الگوریتم پس انتشار خطای بهبود پذیر1 (Rprop) 
    نتیجه گیری 
    مراجع 
    مرجع فارسی: 



    برچسب ها: دانلود مقاله بهبود سرعت یادگیری شبکه های عصبی مقاله بهبود سرعت یادگیری شبکه های عصبی سرعت یادگیری شبکه های عصبی شبکه های عصبی مقاله شبکه های عصبی تحقیق شبکه های عصبی کاربرد شبکه های عصبی
  

به ما اعتماد کنید

تمامي كالاها و خدمات اين فروشگاه، حسب مورد داراي مجوزهاي لازم از مراجع مربوطه مي‌باشند و فعاليت‌هاي اين سايت تابع قوانين و مقررات جمهوري اسلامي ايران است.
این سایت در ستاد سازماندهی ثبت شده است.

درباره ما


تمام حقوق سایت sabzfile.ir محفوظ می باشد و هرگونه کپی برداری پیگرد قانونی دارد. طراحی سایت