هدف ما ، یادگیری با نظارت شبکه‌های عصبی تک لایه‌‌‌ توسط تابع هدف محدب جدید

در این مقاله روش آموزشSupervised جدید برای ارزیابی چگونگی شبکه‌هایFeed Forward عصبی تک‌لایه ارائه می‌شود. این روش از تابع‌هدفی بر مبنایMSE استفاده می‌کند،که خطاها را به جای این‌که پس ازActivation Function غیرخطی نرون‌ها ارزیابی کند قبل از آن‌ها بررسی می‌کند.

در این گونه موارد، راه‌حل را می‌توان به سهولت از طریق حل معادلات در سیستم‌های خطی به‌دست آورد یعنی در این روش نسبت به روش‌های معین و مرسوم پیشین به محاسبات کمتری نیاز است.

تحقیقات تئوری شامل اثبات موازنه‌های تقریبی بینGlobal Optimum تابع هدف بر مبنای معیارMSE و یک تابع پیشنهادی دیگر می‌باشد. بعلاوه مشخص شده است که این روش قابلیت توسعه و توزیع آموزش را دارا می‌باشد. طی تحقیقات تجربی جامع نیز تنوع صحت در انرمان این روش مشخص شده است.

این تحقیق شامل ۱۰ دسته‌بندی ( (Classificationو ۱۶ مسئله‌ی بازگشتی می‌باشد. بعلاوه، مقایسه‌این روش با دیگر الگوریتم‌های آموزشی با عملکرد بالا نشان می‌دهد که روش مذکور بطور متوسط بیشترین قابلیت اجرایی را داشته و به حداقل محاسبات در این روش نیاز می‌باشد.

یادگیری با نظارت شبکه‌های عصبی تک لایه‌‌‌ توسط تابع هدف محدب جدید

A New Convex Objective Functions for the Supervised

Leaning of Single-Layer Neural Networks

Published in: Pattern Recognition, Elsevier

Date of Publication: 2010

                                    برای مشاهده مقاله ؛ تصویر فوق را کلیک کنید تا دانلود شود

مشخصات شبیه ساز:

کارشناس ارشد مخابرات

دانشگاه تهران

محتویات :

• اصل مقاله
• پیاده سازی شده در متلب(M-File)
• گزارش کامل فارسی بصورت Word
• توضیح کامل الگوریتم و ترجمه مقاله
• دیتابیس مورد نیاز

دانلود فایل