سال انتشار: ۱۳۹۰

محل انتشار: اولین همایش تخصصی سیستمهای هوشمند کامپیوتری و کاربردهای آنها

تعداد صفحات: ۶

نویسنده(ها):

نضال مدحج – دانشجوی ارشد گروه مهندسیکامپیوتر دانشگاه آزاد اسلامی واحد علوم و تحقیقات خوز
محمد تشنه لب – دانشگاه صنعتی خواجه نصیرالدین طوسی عضو هیئت علمی تهران
ماشااله عباسی دزفولی – دانشگاه آزاد اسلامی واحد علوم و تحقیقات خوزستان

چکیده:

یک مدل محاسباتیCMAC از مخچه انسان است و بصورت مدل ساده ای ارایه شده است و می تواند بصورت یک جدول جستجو تصور شود شبکه عصبی CMAC بهدلیل کارایی بالا درمقولههای متعددی از قبیل مدلسازی و کنترل کاربرد وسیعی دارد به همین دلیل نیاز به روشهایی برای رسیدن به یادگیری سریع تر و دقیق تر دراین شبکه محققان را به سمت ارایه الگوریتم های یادگیری متعدد ی سوق داده است دراین تحقیق الگوریتم ترکیبی جدیدی برای رسیدن به سرعت همگرایی بیشتر و درنتیجه خطای کمتر ارایه شده است یادگیری تقویتی از روشهای موثر در افزایش سرعت همگرایی شبکه های عصبی است دراین تحقیق با استفاده از این الگوریتم ونرخ تنزیل متغیر روشی ترکیبی جدیدی برا یتعلیم وزنهای شبکه عصبی CMAC ارایه شده است نتایج شبیه سازی نشان میدهد که الگوریتم حاصل نسبت به CMAC قرار دادی خطا را به نحو مطلوبی کاهش میدهد