سال انتشار: ۱۳۹۱

محل انتشار: کنفرانس بین المللی مدل سازی غیر خطی و بهینه سازی

تعداد صفحات: ۸

نویسنده(ها):

حسین خرم آبادی آرانی – دانشجوی کارشناسی ارشد مخابرات سیستم دانشکده فنی مهندسی دانشگاه اصفه
پیمان معلم – دانشیار گروه مهندسی برق دانشکده فنی مهندسی دانشگاه اصفهان
کمال شاه طالبی – عضو هیئت علمی گروه مهندسی برق دانشگاه اصفهان

چکیده:

در این مقاله مسئلهی یادگیری در شبکههای عصبی تپشی بررسی شده است. در تحقیقات و پژوهشهای اخیر انجام شده در مورد یادگیری در شبکههای عصبی تپشی، از الگوریتم تندترین کاهش گرادیانی به همراه مومنتومبا نرخ یادگیری پویای خود تطبیق پذیر استفاده شده است. پیشنهاد ما در این مقاله، استفاده از تانژانت موازی به جای بخش مومنتوم در فرایند یادگیری شبکه میباشد که باعث تسریع فرایند یادگیری شبکه می شود . باانجام سه آزمایش باینری معروف، کارآیی الگوریتم پیشنهاد شده، نسبت به الگوریتم تندترین کاهش گرادیانی بهبود یافته با مومنتوم با نرخ یادگیری پویای خود تطبیق پذیر مقایسه شده است و نتایج بدست آمده نشان می – دهد که یادگیری شبکه با روش پیشنهاد شده، دارای سرعت بیشتر و خطای حالت ماندگار کمتری میباشد