سال انتشار: ۱۳۹۰

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

تعداد صفحات: ۱۱

نویسنده(ها):

محیا عامریان – دانشجوی کارشناسی ارشد گروه علمی هوش مصنوعی مشهد
منصور اسماعیل زاده – دانشجوی کارشناسی ارشد گروه علمی هوش مصنوعی مشهد
مرضیه حامدی – دانشگاه آزاد اسلامی واحد مشهد
مهرداد جلالی – دانشگاه آزاد اسلامی واحد مشهد عضو هیئت علمی گروه علمی هوش مصنوعی

چکیده:

شبکه های عصبی تابع پایه شعاعی به عنوان یکی از پرکاربردترین شبکه های عصبی برای مسائل دسته بندی و پیش بینی درزمینه تشخیص الگو و یادگیری ماشین مطرح هستند از پارامترهای مهم درکارایی این شبکه ها تعدادنرون ها ی لایه پنهان که همان تعداد مراکز تعیین شده توسط قسمت بدون نظارت این شبکه ها است می باشد و نیز سرعت و حجم حافظه دراین شبکه ها در فاز یادگیری نیز تا حدودی وابسته به قسمت بدون نظارت اینشبکه ها است و همچنین تعیین دقیق و بهینه مکان مراکز درمجموعه داده های بزرگ به علت استفاده از تابع پایه شعاعی به کاررفته دراین شبکه های متواند در دقت تخمین و دسته بندی موثر باشد دراین مقاله پیشنهاد میش ود که برای سرعت بخشیدن و کم کردن میزان حا فظه مورد نیاز و همچنین افزایش صحت دراین شبکه ها برای کار با مجموعه داده های بزرگ از الگوریتم k-means سراسری تغییریافته سریع FMGKM درقیمت بدون نظارت این شبکه ها استفاده شود.