سال انتشار: ۱۳۸۵

محل انتشار: چهاردهمین کنفرانس مهندسی برق ایران

تعداد صفحات: ۶

نویسنده(ها):

مهدی روپایی – بخش برق و الکترونیک- دانشکده مهندسی- دانشگاه شیراز

چکیده:

تقریب سازی توابع به عنوان یک مساله پایه در بسیاری ا ز زمینه های مهندسی مطرح می شود . برای این منظور از روشهای مختلفی مانند curve fitting و interpolation استفاده می گردد. شبکه های عصبی RBF به دلیل سادگی و سرعت بالای آموزش می توانند کاندیدای مناسبی در نیل به این هدف باشند . با این وجود، ساختارها و الگوریتمهای بکار رفته در این شبکه ها دارای ضعفهایی از جمله عدم توانایی در تقریب سازی توابعی که در فواصل مشخص ثابت هستن د و همچنین در رویارویی با داده های دارای خطای زیاد، می باشند . این مقاله رویکردی است تا با بیان الگوریتم های جدید آموزش شبکه، در جهت کاهش ضعف های مطرح شده فوق بر آید.