معرفی بخشی از تغییرات در ساختار و آموزش شبکه های عصبیRBF، SVM، SOM و آشنایی با شبکه عصبی CNN و کاربرد های آن

معرفی بخشی از تغییرات در ساختار و آموزش شبکه های عصبیRBF، SVM، SOM و آشنایی با شبکه عصبی CNN و کاربرد های آن

رضا قطب الدینی ده ملایی1

1) شرکت توزیع نیروی برق شمال استان کرمان

کد IOI مقاله : XYAH-ZDEAF
محل انتشار : سومین کنفرانس بین المللی علوم و مهندسی(3icesconf.com)
چکیده :
    در این مقاله نتیجه مطالعات پنج مقاله در زمینه شبکه های عصبی در سالهای 2014 و 2015 ارایه می گردد. در ابتدا به معرفی شبکه عصبی GRBF می پردازیم این شبکه در ترکیب با مدل خودبازگشتی تابعی ابزار قدرتمندی برای پیش بینی سری های زمانی غیر خطی و غیر ایستا ارایه می دهد. در ادامه شبکه عصبی FCRBF را معرفی می نماییم. این شبکه عصبی با حذف بخشی از اتصالات بین نرون ها با حفظ دقت در سطح قابل قبول، سرعت را به شکل قابل توجهی بالابرده و امکان استفاده از آن در سیستم های کنترل را فراهم نموده است. در مقاله سوم استفاده ترکیبی از شبکه عصبی SVM و CPON در چندین لایه باعث شده میزان عدم قطعیت الگو تشخیص داده شود و هرچه سطح عدم قطعیت افزایش می یابد الگو برای تشخیص به لایه های عمیق شبکه ارجاع داده می شود و عملا درستی دسته بندی الگو از طریق عبور از چند لایه تشخیصی انجام می شود. در مقاله چهارم با معرفی ساختار جدیدی از شبکه های عصبی خود سازمانده ده سعی شده رفتار واقعی مغز و نرون ها شبیه سازی شود لذا ورودی های پیوسته به نرون ها با یک الگوریتم رمز گذاری زمانی به شبکه اعمال می شوند و از خصوصیات تحریک و بازدارندگی مشابه عملکرد نرون های بیولوژیکی استفاده شده است. در نهایت در آخرین مقاله شبکه های عصبی کانولوشنال که براساس تحقیقات آقای فوکوشیما بر روی بینایی پستانداران طراحی و شبیه سازی شده معرفی و از آن برای تشخیص تصاویر مغز استفاده می شود.

کلمات کلیدی : شبکه های عصبی ساختار