سال انتشار: ۱۳۹۱

محل انتشار: همایش منطقه ای علوم کامپیوتر، مهندسی کامپیورتر و فناوری اطلاعات

تعداد صفحات: ۱۳

نویسنده(ها):

سید محمد جواد آل هاشر – دانشگاه آزاد اسلامی واحد علوم و تحقیقات – دانشکده فنی و مهندسی – تهران
شاهد یکتا مهریزانی – دانشگاه آزاد زنی واحد علوم و تحقیقات – دانشکده برق و کامپیوتر – قزوین
محمد تشنه لب – دانشگاه صنعتی خواجه نصیرالدین طوسی – دانشکده برق و کامپیوتر – تهران

چکیده:

یکی از مهم‌ترین و جذاب‌ترین کاربردهای شبکه‌های عصبی شناسه سیستم‌های غیرخطی است. در این مقاله برای شناسایی سیستم‌های غیرخطی ساختاری از شبکه‌های عصبی پیش را که به شبکه‌های عصبی پیشرو انعطاف‌پذیر مرسوم هستند ارائه خواهد شد. در شبکه‌های عصبی پیشرو انعطاف‌پذیر علاوه‌بر وزن‌ها، پارامترهای تابع انتقال که پارامترهای انعطاف‌پذیر گفته می‌شود که نیز قابلیت یادگیری دارند . این مقاله تأثیر طراحی انعطاف‌پذیر ساختار این بن از شبکه‌های عصبی در شناسایی سیستم‌های غیرخطی را در مقایسه با سایر شبکه‌های عصبی مورد بحث و بررسی قرار می‌دهد. همچنین یک روش یادگیری پیشنهادی بر مبنای شبیه‌سازی ذوب فلز برای آموزش پارامترهای انعطاف‌پذیری ارائه خواهد شد. به همین منظور شبکه عصبی پیشرو انعطاف‌پذیر ارائه شده برای شناسایی سری‌های زمانی آشوبی مکی -گلاس به عنوان سیستم‌های پویای غیرخطی به کار گرفته می‌شود و نتایج حاصل از شبی سازی‌ها در سنجش توانایی این دو از شبکه عصبی به منظور شناسایی سیستم‌های غیرخطی، آنالیز می‌گردد.