سال انتشار: ۱۳۹۱

محل انتشار: چهارمین کنفرانس مهندسی برق و الکترونیک ایران

تعداد صفحات: ۵

نویسنده(ها):

الهه حاتمی مجومرد – دانشگاه شیراز، دانشکده مهندسی کامپیوتر
ریحانه نعمتی – دانشگاه شیراز، دانشکده مهندسی برق و کامپیوتر
ولی درهمی – دانشگاه یزد، دانشکده مهندسی برق و کامپیوتر

چکیده:

شبکه های عصبی مصنوعی ۱ پس از تشکیل حاوی دانش نیستند؛ این شبکه های دانش را به وسیله آموزش فرا می گیرند، بنابراین آموزش صحیح شبکه، مهمترین موضوع در طراحی سیستم ها با شبکه های عصبی است. این شبکه ها را می توان به دو روش برخط ۲ و برون خط ۳ آموزش داد. در این مقاله به مبحث آموزش برخط شبکه های عصبی پرداخته می شود. از آنجا که داده های آموزشی در حین آموزش برخط بسته به رفتار فرآیند بدست می آید، امکان پیش پردازش و یا تحلیل کلی داده ها نسبت به یکدیگر موجود نیست. یک مشکلی که در بعضی از مسائل در آموزش برخط بروز می کند خطای زیاد خروجی شبکه علی رغم صرف زمان زیاد برای آموزش است. بررسی های ما نشان می دهد که یکی از دلایل این امر پراکندگی نامناسب داده های آموزشی می باشد. در واقع، اگرداده ها آموزشی مربوط به یک ناحیه از فضای آموزشی بیش از سایر قسمت ها باشد، میزان خطای شبکه بیش از حد مطلوب می شود، ما این مشکل را تطبیق ناحیه ای می نامیم و به طور خاص در این مقاله به بررسی و نمایش آن می پردازیم. همچنین بر مبنای آزمایش ها و تحقیقاتی که انجام داده ایم پیشنهاداتی برای مقابله با این مشکل بیان می شود.