سال انتشار: ۱۳۸۷

محل انتشار: دومین کنگره مشترک سیستم های فازی و سیستم های هوشمند

تعداد صفحات: ۵

نویسنده(ها):

میثم یحییزاده – دانشکده مهندسی برق، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
محمد حائری –

چکیده:

در این مقاله، اثر استفاده از مشتق کسری در کارائی شبکهی عصبی مورد بررسی قرار میگیرد. پس از بیان روش آموزش Backpropagationدر شبکهی عصبی، عملگر مشتق کسری جایگزین مشتق معمولی تابع تانژانت-هیپربولیکtanhمیگردد. با این کار درجهی آزادی موجود در آموزش شبکهی عصبی افزایش مییابد. بدین صورت که میتوان مشتقی کسری پیدا نمود که با اعمال آن سرعت آموزش شبکهی بیشتر شده و همچنین دارای خطای دادگان آزمایش کمتری از حالت مشتق معمولی باشد. براینشان دادن کارایی روش مورد استفاده، نمونههایی در نظر گرفته میشود که در آن، شبکه ی عصبی عمل تقریب زدن تابع شناسایی سیستم و کلاس بندیClassification) آنها را انجام میدهد. در نهایت، نتایج عددی در هر دو مورد مشتق معمولی و کسری در جداولی تنظیم گردیده و با هم مقایسه خواهد شد.