تحمل پذیری خطا در شبکه های عصبی MLP با استفاده از افزونگی مولفه های سه گانه
محل انتشار: مجله پدافند غیر عامل، دوره: 4، شماره: 1
سال انتشار: 1392
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 278
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SAPD-4-1_005
تاریخ نمایه سازی: 7 اردیبهشت 1400
چکیده مقاله:
استفاده از سامانهها و زیرساختهای پیچیده و بزرگ، برای انجام فعالیتهای مختلف یک کشور حیاتی و مهم است و رعایت مسائل پدافند غیرعامل برای آنها در شرایط بحران، که بتوانند سرویسهای خود را بهطور کامل یا بخشی از آن را ارائه نمایند، یکی از معیارهای ارزیابی اینگونه سامانهها میباشد. مدلسازی و شبیهسازی این سامانهها، جهت تشخیص گلوگاهها مهم است. رخداد خطا با وجود تمهیدات مختلف مانند پیشبینی خطا، جلوگیری از خطا، پوشش خطا و تحملپذیری خطا، طبیعی به نظر میرسد. شبکههای عصبی مصنوعی بهعنوان یکی از روشهای مدلسازی و شبیهسازی، کاربردهای فراوانی در این خصوص برای بررسی عملکرد سامانههای پیچیده و حیاتی دارند. با توجه به اینکه شبکههای عصبی مصنوعی بر اساس الگوی شبکههای عصبی طبیعی که بهطور ذاتی قابلیت تحملپذیری خطا را دارا هستند طراحی شدهاند، لذا باید بتوانند از قابلیت تحملپذیری خطا بهره گیرند. در این مقاله روشی برای افزایش و بهبود تحملپذیری خطا در شبکههای عصبی، مبتنیبر روش افزونگی مولفههای سهگانه (TMR) ارائه شده است. این روش نشان میدهد که بر اساس این تکنیک، تحملپذیری خطا به شکل مطلوبی افزایش یافته است.
کلیدواژه ها:
نویسندگان
محمدرضا حسنی آهنگر
دانشگاه جامع امام حسین (ع)
مصطفی اخضمی
دانشجوی کارشناسی ارشد کامپیوتر دانشگاه جامع امام حسین(ع)