سال انتشار: ۱۳۸۴

محل انتشار: یازدهمین کنفرانس سالانه انجمن کامپیوتر ایران

تعداد صفحات: ۷

نویسنده(ها):

هادی صدوقی یزدی – گروه الکترونیک دانشکده فنی مهندسی دانشگاه تربیت معلم سبزوار

چکیده:

مطالعه رفتار طبقه بندها از دیدگاه بررسی خطاهای آنها و ارائه راه حل مناسب برای کاهش خطا و افزایش کارایی طبقه بندها مورد توجه است عملکرد ضعیف سیستم شناسایی بدلایل تعداد کم نمونه های یادگیر نویز در داده ها استفاده از ویژگیهای شکننده بدلیل عدم آگاهی کامل و تسلط کافی برنوع الگو و استفاده از عملگرهای نامناسب در تعیین پاسخ سیستم کاهش نرخ شناسایی در تصمیم گیری نهایی را بدنبال دارد با ارائه مدل مناسب آماری برای رفتار یا پاسخ یک سیستم شناسایی می توان عملکرد سیستم شناسایی را بهبود داد. دراین مقاله یک کلیشه تصمیم جدید که با استفاده از مدل مخفی مارکوف ایجاد می شود رفتار نرونهای یک طبقه بند شبکه عصبی پس انتشار خطا را مدل می کند در روشهای موجود ارتباط بین نرونها و تاثیر متقابل آنها در پاسخ به یک الگو مدنظر قرار نمیگیرد ولی عملا نرونهای یک شبکه عصبی یا اجزای یک طبقه بند با هم بیان کننده عملکرد آن در قبال یک الگو هستند بنابراین با ستفاده از یک کلیشه تصمیم جدید مبتنی بر مدل مخفی مارکوف ارتباط بین نرونهای شبکه عصبی ونحوه پاسخ آن به نمونه های یادگیر مدل می گردد تا از آن در شناسایی الگوهای جدید استفاده شود.