سال انتشار: ۱۳۸۹

محل انتشار: شانزدهمین کنفرانس بین المللی سالانه انجمن کامپیوتر ایران

تعداد صفحات: ۶

نویسنده(ها):

زهرا بهمنی – دانشکده مهندسی کامپیوتر،دانشگاه صنعتی امیرکبیر،تهران
رضا صفابخش – دانشکده مهندسی کامپیوتر،دانشگاه صنعتی امیرکبیر،تهران

چکیده:

شبکه های عصبی خودسازمان ده دسته مهمی از شبکه های عصبی هستند که با وجود توانایی بالا مشکلاتی از جمله سرعت آموزش و اجرای پایین دارند علت این مساله لزوم مقایسه ورودی با همه ی نورون های شبکه به منظور یافتن نورون برنده می باشد هزینه محاسباتی این شبکه ها با افزایش اندازه شبکه بصورت خطی افزایش می یابد از شبکه های خود سازمان ده سلسله مراتبی می توان برای افزایش سرعت درزمان آموزش و اجرا استفاده نمود دراین حالت به دلیل عدم مقایسه داده ورودی با کلیه نورونهای شبکه می توان به سرعت یادگیری و بکارگیری بیشتری در شبکه دست یافتن بنابراین اگر شبکه ای با N نورون داشته باشیم درحالت یک سطحی به N مقایسه نیاز می باشد ولی درشبکه ای با L سطح تعداد مقایسات به کاهش می یابد این امر خصوصا در شبکه های بزرگی که قرار است با حجم زیادی داده آموزش داده شوند حائز اهمیت است دراین مقاله یک شبکه عصبی خودسازمان ده رشدیابنده سلسله مراتبی جدید با هدف افزایش سرعت آموزش و بکارگیری معرفی شده است.