عنوان : ( شبکه نیمه ناظر خودسازمانده پویا مبتنی بر یادگیری حداکثری )
نویسندگان: علی مهریزی , هادی صدوقی یزدی , سیدجواد سیدمهدوی چابک ,
دانلود فایل برای اعضای دانشگاهبر اساس تصمیم نویسنده مقاله دسترسی به متن کامل برای اعضای غیر دانشگاه ممکن نیست
چکیده
شبکه خودسازمانده پویا با یادگیری نیم هناظر در بسیاری از کاربردها نظیر خوشه بندی داده ها کاربرد دارد. محاسبه پارامترهای شبکه خودسازمانده شامل شکل و ساختار لایه خوش هبندی، سطح فعال سازی و وز نهای لایه طبقه بندی از جمله مسایل چالش برانگیز و مهم آن است. راهکارهای ارائه شده فعلی از روش های ابتکاری و با یک نگاه محلی سعی در تعیین این پارامترها دارند که در اثر آن، نتایج این الگوریتم ها وابستگی بالایی به شرایط دارد. این مقاله یک روش یادگیری نیمه ناظر مبتنی بر شبکه خودسازمانده پویا و یادگیری حداکثری را برای اولین بار مورد بررسی قرار می دهد. روش پیشنهادی، بدون محاسبه مستقیم پارامترهای شبکه خودسازمانده پویا و با استفاده از روش یادگیری حداکثری، کلاس هر داده را تعیین می کند. خطای حاصل از بازخورد سیستم، هم در یادگیری حداکثری و هم در بهینه سازی شبکه خودسازمانده پویا مورد استفاده قرار می گیرد. در این مقاله، علاوه بر بررسی تحلیلی همگرایی روش پیشنهادی، روش حداکثری ترتیبی برای شبکه نیمه ناظر خودسازمانده پویا ارائه شده است. آزمایش های انجام شده بر روی داده های برخط و با برچسب جزئی نشان می دهند که روش پیشنهادی از نظر دقت، نسبت به روش نیمه ناظر خودسازمانده پویا برتری نسبی دارد.
کلمات کلیدی
, یادگیری نیمه ناظر, شبکه های خودسازمانده پویا, یادگیری حداکثری, یادگیری برخط
@article{paperid:1056130,
author = {مهریزی, علی and صدوقی یزدی, هادی and سیدجواد سیدمهدوی چابک},
title = {شبکه نیمه ناظر خودسازمانده پویا مبتنی بر یادگیری حداکثری},
journal = {مهندسی برق و مهندسی کامپیوتر ایران},
year = {2016},
volume = {13},
number = {2},
month = {January},
issn = {1682-3745},
pages = {112--122},
numpages = {10},
keywords = {یادگیری نیمه ناظر، شبکه های خودسازمانده پویا، یادگیری حداکثری، یادگیری برخط},
}
%0 Journal Article
%T شبکه نیمه ناظر خودسازمانده پویا مبتنی بر یادگیری حداکثری
%A مهریزی, علی
%A صدوقی یزدی, هادی
%A سیدجواد سیدمهدوی چابک
%J مهندسی برق و مهندسی کامپیوتر ایران
%@ 1682-3745
%D 2016
