فایل ورد کامل مقاله بهبود سرعت یادگیری شبکه های عصبی ۲۹۶۴۷ صفحه در word

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 فایل ورد کامل مقاله بهبود سرعت یادگیری شبکه های عصبی ۲۹۶۴۷ صفحه در word دارای ۲۹۶۴۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد فایل ورد کامل مقاله بهبود سرعت یادگیری شبکه های عصبی ۲۹۶۴۷ صفحه در word  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی فایل ورد کامل مقاله بهبود سرعت یادگیری شبکه های عصبی ۲۹۶۴۷ صفحه در word،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن فایل ورد کامل مقاله بهبود سرعت یادگیری شبکه های عصبی ۲۹۶۴۷ صفحه در word :

دانلود مقاله بهبود سرعت یادگیری شبکه های عصبی

نوع فایل : Word

تعداد صفحات : ۳۰

فایل ورد کامل مقاله بهبود سرعت یادگیری شبکه های عصبی ۲۹۶۴۷ صفحه در word
فهرست و پیشگفتار

مقدمه
شبکه های عصبی چند لایه پیش خور۱ 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 خطا۲، یکی از رایج ترین الگوریتم ها جهت آموزش شبکه های عصبی چند لایه پیش خور می باشد. این الگوریتم، تقریبی از الگوریتم بیشترین تنزل۳ می باشد و در چارچوب یادگیری عملکردی ۴ 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 خطا۱ (SBP)
شکل (۱). منحنی یادگیری شبکه برای نرخ های یادگیری مختلف در مسأله XOR
بهبود الگوریتم استاندارد پس انتشار خطا (SBP)
– الگوریتم BP از نوع دسته ای۱ (BBP)
شکل (۲). رفتار شبکه با الگوریتم BBP در مسأله XOR ( ـــ )
رفتار شبکه با الگوریتم SBP (0ـــ)
– روش ممنتم ۱ برای الگوریتم BP (MBP)
شکل(۳): رفتار شبکه با الگوریتم MBP درمسأله XOR (ــــ)
رفتار شبکه با الگوریتم SBP(.ــــ)
– نرخ یادگیری متغیر۱ (VLR)
مراحل الگوریتم VLR، به طور خلاصه
شکل (۴). – رفتار شبکه با الگوریتم VLR برای مسأله XOR ( ـــ )
رفتار شبکه با الگوریتم SBP (0 ـــ)
– تغییرات نرخ یادگیری () در کل فرآیند یادگیری برای مسأله XOR
۱- الگوریتم BP
– الگوریتم پس انتشار خطای تطبیقی۱ (ABP)
شکل (۵). منحنی یادگیری الگوریتم BP تطبیقی برای XOR
– الگوریتم پس انتشار خطا با نرخ یادگیری و ضریب ممنتم تطبیقی۱ (BPALM)
شکل(۶). – منحنی یادگیری الگوریتم BPALM در مسأله XOR
– تغییرات نرخ یادگیری
– تغییرات ضریب ممنتم
– تغییرات علامت۱
شکل (۷). منحنی یادگیری الگوریتم Delta Bar Delta Rule در مسأله XOR
– الگوریتم یادگیری Super SAB
شکل (۸). منحنی یادگیری الگوریتم Super SAB برای مسأله XOR
۲- الگوریتم پس انتشار خطا با سه ترم
آنالیز همگرایی
الف. تست پایداری جوری:
ب. شرط پایداری برای ماتریس D
تئوری (۱):
حالت اول:
حالت دوم:
تئوری (۳):
شکل (۹). منحنی یادگیری الگوریتم BP دارای سه ترم، در مسأله XOR
شکل (۱۰). منحنی یادگیری الگورتم GBP در مسأله XOR به ازای S=2 و S=1
– الگوریتم پس انتشار خطای بهبود پذیر۱ (Rprop)
نتیجه گیری
مراجع
مرجع فارسی: