عنوان : ( تعمیم شبکه‌های عصبی تک‌لایه با الگو‌های صریح مثبت و منفی )
نویسندگان: رامین زارعی سبزوار , احد هراتی , سید کمال الدین غیاثی شیرازی ,
دانلود فایل برای اعضای دانشگاهبر اساس تصمیم نویسنده مقاله دسترسی به متن کامل برای اعضای غیر دانشگاه ممکن نیست
چکیده
در دهه‌ی اخیر، شبکه‌های عصبی به عنوان یک ابزار کلیدی برای حل مسائل در حوزه بازشناسی الگو و یادگیری ماشین، توجه زیادی را به خود جلب کرده است. با این وجود همچنان نحوه عملکرد آن‌ها برای حل مسائل مختلف به طور دقیق مشخص نبوده و شبیه یک جعبه سیاه هستند. در این مقاله قصد داریم ساختاری معنادار برای وزن‌های یک شبکه عصبی ارائه می‌کنیم که در آن وزن‌های متصل به هر نورون را با دو مجموعه وزن الگو مثبت و الگو منفی جایگزین می‌کنیم. به‌طور شهودی می‌توان گفت وزن‌های الگوی مثبت بیان‌کننده میزان شباهت با داده ورودی و وزن‌های الگوی منفی بیان‌گر میزان عدم شباهت با آن است. در این صورت خروجی وزن‌های الگو مثبت با ورودی از خروجی وزن‌های الگو منفی با ورودی، مجزا بوده و خروجی نهایی نورون به صورت تفاضل این دو خروجی به دست می‌آید. همچنین برای آن¬که وزن‌های با الگوی مثبت و منفی بازنمایی مناسبی از مفهوم شباهت و عدم شباهت داشته باشند، نیاز است در طی فرآیند آموزش، قانون بهنگام‌سازی وزن‌ها اصلاح گردد. آزمایش‌های انجام شده بر روی مجموعه داده MNIST، کارایی این ساختار ارائه شده را تایید می‌کند. همچنین از نوآوری‌های دیگر این مقاله می‌توان به تعمیم معیار Cross-Entropy برای بکارگیری چندین الگو در شبکه‌های عصبی اشاره کرد که منجر به بهبود عملکرد شبکه و افزایش دقت آن می‌گردد.
کلمات کلیدی
, شبکه عصبی, بصری‌سازی, وزن‌های الگو مثبت و الگو منفی, تابع زیان Cross-Entropy.
@inproceedings{paperid:1064960,
author = {زارعی سبزوار, رامین and هراتی, احد and غیاثی شیرازی, سید کمال الدین},
title = {تعمیم شبکه‌های عصبی تک‌لایه با الگو‌های صریح مثبت و منفی},
booktitle = {نهمین کنفرانس فناوری اطلاعات و دانش (IKT 2017)},
year = {2017},
location = {تهران, ايران},
keywords = {شبکه عصبی، بصری‌سازی، وزن‌های الگو مثبت و الگو منفی، تابع زیان Cross-Entropy.},
}
%0 Conference Proceedings
%T تعمیم شبکه‌های عصبی تک‌لایه با الگو‌های صریح مثبت و منفی
%A زارعی سبزوار, رامین
%A هراتی, احد
%A غیاثی شیرازی, سید کمال الدین
%J نهمین کنفرانس فناوری اطلاعات و دانش (IKT 2017)
%D 2017
