چکیده مقاله
شبکه های عصبی به عنوان تخمین گر های جامع شناخته شده اند شبکه پیشرو تک لایه محبوب ترین و در عین حال ساده ترین نوع این شبکه ها برای اجرا است نرون ها در این شبکه ها از توابع فعال ساز نمایی و یا توابع شعاعی استفاده می کنندکه هر دو به صورت موثری مطلوب جواب می دهند توابع نمایی به صورت مبسوط در مقالات فراوان مورد بررسی قرار گرفته اند این مقاله به استفاده از تابع فعال ساز شعاعی در شبکه تک لایه تمرکز خواهد داشتالگوریتم های زیادی وجود دارد که برای اموزش شبکه rbf برای تخمین توابع مورد استفاده قرار می گیرند در این مقاله از روش † ELM I اصلاح شده برای این منظور استفاده می شود این الگوریتم انتخاب تصادفی مرکز و شعاع تابع فعالساز را در تشکیل ساختار شبکه عصبی حذف می کند روش اینگونه خواهد بود که مرکز نرون جدید نقطه ای خواهد بود کهبیشترین خطا در تخمین قبلی اتفاق افتاده باشد و آنگاه محاسبه وزن بهینه ساختار حداقلی مطلوب برای تخمین تابع را بدست می دهد
کلیدواژهها
نویسندگان
حسین افخمی
باشگاه پژوهشگران جوان و نخبگان دانشگاه آزاد اسلامی واحد سپیدان، سپیدان، ایران
علی معرفیان
دانشکده برق و کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی تهران، ایران
شیوه ارجاع
�فخمی، حسین و معرفیان، علی،1394،الگوریتم اصلاح شده انتخاب مرکز نرون جدید در شبکه RBF افزایشی،کنفرانس بین المللی یافته های نوین پژوهشی درمهندسی برق و علوم کامپیوتر،تهران
ارائهشده در
مجموعه مقالات سومین کنفرانس ملی محاسبات نرم علوم مهندسی در صنعت و جامعه1 اسفند 1402 · ایرانشهر