طراحی و پیادهسازی شبکه های عصبی حافظه دار با آموزش عاطفی برای پیش بینی پارامتر دما

طراحی و پیادهسازی شبکه های عصبی حافظه دار با آموزش عاطفی برای پیش بینی پارامتر دما

فاطمه غفاری خناری1

1) فارق التحصیل کارشناسی ارشد کامپیوتر گرایش هوش مصنوعی، دانشگاه آزاد اسلامی واحد علوم و

کد IOI مقاله : XYZF-ZAZHF
محل انتشار : دومین کنفرانس بین المللی مهندسی و علوم کاربردی(2iceasconf.com)
چکیده :
    در این مقاله کاربرد شبکه های عصبی حافظه دار با استفاده از آموزش عاطفی برای پیش بینی دما آموزش و بررسی شده است. با توجه به میزان تاثیر وضعیت آب و هوا و مقادیر پارامترهای هواشناسی در تمامی زمینه ها، این مقوله از جایگاهی ویژه برخوردار شده است. محققان در تلاش برای ایجاد یک ارتباط خطی میان داده های هواشناسی هستند. اما با کشف ماهیت روابط بین پارامترها، غیرخطی بودن روند رویکرد تغییر پیدا نمود. هر چند روش های غیرخطی زیادی در آمار برای پیش بینی آب و هوا وجود دارد، اما بیشتر آن ها نیازمند مدل های غیر خطی همراه با پیچیدگی هستند. لذا با توجه به اینکه این داده ها فاقد یک مدل ریاضی می باشند، امکان پیش بینی به دلیل تغییر پذیر بودن سیستم آب و هوا با زمان، روش های معمول پیش بینی را با مشکل روبرو می نمایند، اما زمانیکه داده¬های آب و هوا غیرخطی است به دنبال آن یک روند غیرمنظم دارد، روش شبکه های عصبی مصنوعی یک روش تکامل یافته بهتری می باشد. بنابراین از روش شبکه های عصبی حافظه دار که دارای عمق حافظه برای نگهداری اطلاعات قبل هستند به عنوان یک روش مناسب برای ایجاد ارتباط ساختاری میان ورودی های مختلف برای پیش بینی پارامتر های آب و هوا استفاده می شود. نتایج نشان می دهد که شبکه های حافظه دار با آموزش عاطفی کارایی بهتری نسبت به شبکه عصبی بدون حافظه یا حتی شبکه های عصبی حافظه دار بدون آموزش عاطفی دارند.

کلمات کلیدی : داده های هواشناسی شبکه های عصبی مصنوعی شبکه عصبی حافظه دار آموزش عاطفی