شبکه های عصبی Elman :
شبکه های Elman عموماً دو لایه با یک فیدبک از خروجی لایه اول (مخفی ) به ورودی لایه اول می باشند. در شکل زیر یک ساختار شبکه المن را می¬بینید.
این اتصال برگشتی به شبکه در تشخیص و تولید الگوهای time-varying کمک می¬کند. معماری این شبکه دو لایه در شکل نشان داده شده است.
در شبکه المن نرون های تابع tansig در لایه پنهان و نرون های تابعpurelin در لایه خروجی قرار دارد .این ترکیب مخصوص شبکه های دو لایه با توابع انتقالی است که می توانند هر تابع با دقت دلخواه را تقریب بزنند . تنها چیز مورد نیاز این است که لایه پنهان باید نرون های کافی داشته باشد .
توجه کنید که شبکه المن با قرارداد های شبکه های دو لایه این تفاوت را دارد که لایه اول یک اتصال بازگشتی دارد . تاخیر در این اتصال مفادیر مرحله زمان قبلی را ذخیره می کند که می تواند در مرحله زمان جاری استفاده شود .
بنابر این حتی اگر دو شبکه المن با وزن ها و بایاس مشابه داشته باشیم و ورودی های کاملا برابر در یک مرحله زمانی ، خروجی های آنها می توانند به خاطر حالت های فیدبک مختلف کاملا متفاوت باشند ، چون این شبکه می تواند اطلاعات را برای مراجع بعدی ذخیره کند ،مناسب است برای یادگیری الگو های زمانی به خوبی الگو های فضایی.شبکه المن می تواند آموزش داده شود برای جواب دادن و تولید کردن انواع الگوها .
شبکه با استفاده از back propagation با مومنتوم و نرخ یادگیری وفقی آموزش می بیند و وزن ها و بایاس های جدید را برگشت می دهد.
|