جواد سعادت - دانشجوی کارشناسی ارشد، گروه مهندسی برق، دانشگاه اصفهان، اصفهان
پیمان معلم - دانشیار، گروه مهندسی برق، دانشگاه اصفهان، اصفهان
حمیدرضا کوفیگر - استادیار، گروه مهندسی برق، دانشگاه اصفهان، اصفهان

شبکههای عصبی بازگشتی، توانایی زیادی در مدل سازی سیستمهای دینامیکی پیچیده دارند، لیکن با افزایش تعداد سلولهای لایه مخفی آموزش این نوع شبکههای عصبی بسیار طولانی و مشکل میشود، بنابراین در عمل این شبکهها کاربرد محدودی دارند. شبکهعصبی حالت انعکاسی یک شبکهی بازگشتی است که اخیرا توسط هربرت جاگر معرفی شده است، وزن اتصالات داخلی این شبکه به صورت تصادفی تولید شده و در فرایند آموزش ثابت است، بنابراین آموزش شبکهی عصبی حالت انعکاسی با تعداد بسیار زیادیسلول در لایهی مخفی )مخزن( امکان پذیر میباشد. معمولا شبکهی عصبی حالت انعکاسی به کمک روش شبهمعکوس آموزش دادهمیشود، هرچند این روشهای آموزشی ساده و دقیق هستند، لیکن زمان سپری شده در فرایند آموزش طولانی است، علاوه براین روش شبهمعکوس در مواردی که شبکه از خروجی بازخورد داشته باشد کارایی خود را از دست میدهد. در این مقاله الگوریتمجستجوی هماهنگ برای آموزش شبکهی عصبی حالت انعکاسی پیشنهاد و آزمایش شده است، نتایج شبیه سازیهای انجام شده به خوبی کارایی الگوریتم پیشنهادی را نشان میدهند

شبکهی عصبی حالت انعکاسی، الگوریتم جستجوی هماهنگ، سری زمانی