افزایش سرعت آموزش و به کارگیری شبکه های خودسازمان ده با استفاده از یک شبکه خودسازمان ده رشد یابنده سلسله مراتبی جدید
محل انتشار: چهاردهمین کنفرانس سالانه انجمن کامپیوتر ایران
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,324
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI14_204
تاریخ نمایه سازی: 26 مهر 1387
چکیده مقاله:
شبکه های نگاشت خود سازمان ده دسته ای از شبکه های عصبی هستند که در کاربرهای چندی سازی و نمایش داده کاربرد فراوانی دارند. یکی از مشکلات این شبکه ها تعیین توپولوژی و اندازه شبکه پیش از شروع فرآِند آموزش است. شبکه های رشد یابنده این مشکل را تا حد زیادی رفع می کنند اما این شبکه ها نیز همانند شبکه های خودسازمان ده غیر رشد یابنده دارای مشکل سرعت پایین در مراحل آموزش و بکارگیری هستند. هزینه محاسباتی این شبکه ها با افزایش اندازه شبکه به صورت خطی افزایش پیدا می کند. برای تعیین نورون برنده در یک شبکه با اندازه n حداقل به n اندازه کیری فاصله نیاز است. در این مقاله یک شبکه خود سازمان ده رشد یابنده دو لایه ارائه شده که تعداد مقایسه های لازم برای تعیین نورون بنده را به حدود 2√n کاهش می دهد. این کاهش چه در مرحله آموزش و چه در مرحله بکارگیری شبکه امکان استفاده از شبکه های خودسازمان ده دارای نورون های زیاد و خطای چندی سازی پایین را فراهم می کند. نتایج تجربی نشان دهنده آنست که با افزایش ناچیز خطای چندی سازی، شبکه جدید قادر است با تعداد بسیار کمتری مقایسه نسبت به شبکه یک لایه رشد یابنده نظیر کار کند.
کلیدواژه ها:
نویسندگان
احمد نیک آبادی
دانشکده مهندسی کامپیوتر دانشگاه صنعتی امیرکبیر
رضا صفابخش
دانشکده مهندسی کامپیوتر دانشگاه صنعتی امیرکبیر
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :