Artificial Intelligence - هوش مصنوعی  
انجمن را در گوگل محبوب کنيد :

بازگشت   Artificial Intelligence - هوش مصنوعی > محاسبات نرم > شبکه های عصبی (Neural Networks)


 
تبليغات سايت
Iranian Association for the Advancement of Artificial Intelligence
ارسال تاپيک جديد  پاسخ
 
LinkBack ابزارهاي تاپيک نحوه نمايش
قديمي ۱۰-۹-۱۳۹۰, ۰۷:۲۹ بعد از ظهر   #1 (لینک دائم)
عضو جدید
 
آواتار iran260
 
تاريخ عضويت: دي ۱۳۹۰
پست ها: 3
تشكرها: 0
0 تشكر در 0 پست
Question سوال در مورد شبکه عصبی مصنوعی

در شبکه عصبی مصنوعی تعیین اولیه وزن بر چه اساسی و به چه صورتی می باشد؟
iran260 آفلاين است   پاسخ با نقل قول

  #ADS
نشان دهنده تبلیغات
تبليغگر
 
 
 
تاريخ عضويت: -
محل سكونت: -
سن: 2010
پست ها: -
 

نشان دهنده تبلیغات is online  
قديمي ۱۰-۱۰-۱۳۹۰, ۰۹:۴۶ قبل از ظهر   #2 (لینک دائم)
عضو فعال
 
آواتار farshad_pickup
 
تاريخ عضويت: دي ۱۳۸۸
محل سكونت: تهران
پست ها: 12
تشكرها: 4
4 تشكر در 4 پست
My Mood: Badhal
پيش فرض

در چه شبکه ای؟
معمولا به صورت تصادفی وزن ها تعریف می شود و سپس در قسمت آموزش به روز و اصلاح می شوند
در بعضی از شبکه ها هم این وزنها از همون اول طبق قانون یادگیری به دست می آیند .
farshad_pickup آفلاين است   پاسخ با نقل قول
قديمي ۱۰-۱۰-۱۳۹۰, ۱۱:۱۰ قبل از ظهر   #3 (لینک دائم)
عضو جدید
 
آواتار iran260
 
تاريخ عضويت: دي ۱۳۹۰
پست ها: 3
تشكرها: 0
0 تشكر در 0 پست
پيش فرض

شبکه پرسپترون چند لایه با الگوریتم پس انتشار خطا
iran260 آفلاين است   پاسخ با نقل قول
قديمي ۱۰-۱۱-۱۳۹۰, ۰۵:۴۶ بعد از ظهر   #4 (لینک دائم)
عضو فعال
 
آواتار farshad_pickup
 
تاريخ عضويت: دي ۱۳۸۸
محل سكونت: تهران
پست ها: 12
تشكرها: 4
4 تشكر در 4 پست
My Mood: Badhal
پيش فرض

در این شبکه (پچل) وزنهای اولیه مقادیر کوچک اتفاقی انتخاب می شوند سپس بعد از به دست آوردن خروجی های هر لایه برای هر ورودی خطا برای هر لایه محاسبه می شود و وزن به روز می شود
در این الگوریتم اگر وزنهای اولیه خیلی بزرگ باشند،توابع فعالیت لایه آخر به حالت اشباع می روند ،'f بسیار کوچک می شود و اصلاح وزنها واقعا کند می شود
اگر وزنهای اولیه خیلی کوچک باشند ، ورودی های خطی بسیار کوچک می شوند و اصلاح وزنها باز هم کند می شود
معمولا وزنهای اولیه را در فاصله [1,1-]یا [0.5,0.5-] انتخاب می کنند
البته Widrow و Nguyen هم یک پیشنهاد برای انتخاب این وزنها داده اند
ابتدا همه وزن ها به صورت تصاوفی در بازه[0.5,0.5-] انتخاب می شوند بعد برای تعداد واحد های ورودی n و تعداد واحد های لایه مخفی p، داریم
كد:
beta = 0.7*(p)^(1/n)
وزنهای اولیه لایه مخفی را به صورت زیر تغییر می دهیم
كد:
w new(i,j) = ((beta * (w old(i,j)))/||w old(i,j)||)
بعد
farshad_pickup آفلاين است   پاسخ با نقل قول
از farshad_pickup تشكر كرده است:
Solsal (۱۰-۲۴-۱۳۹۰)
پاسخ



كاربران در حال ديدن تاپيک: 1 (0 عضو و 1 مهمان)
 

قوانين ارسال
You may not post new threads
You may not post replies
You may not post attachments
You may not edit your posts

BB code is فعال
شکلکها فعال است
كد [IMG] فعال است
كدهاي HTML غير فعال است
Trackbacks are فعال
Pingbacks are فعال
Refbacks are فعال




زمان محلي شما با تنظيم GMT +3.5 هم اکنون ۰۵:۵۹ بعد از ظهر ميباشد.


Powered by vBulletin® Version 3.8.3
Copyright ©2000 - 2024, Jelsoft Enterprises Ltd.
Search Engine Friendly URLs by vBSEO 3.1.0 ©2007, Crawlability, Inc.

Teach and Learn at Hexib | Sponsored by www.Syavash.com and Product In Review

استفاده از مطالب انجمن در سایر سایت ها، تنها با ذکر انجمن هوش مصنوعي به عنوان منبع و لینک مستقیم به خود مطلب مجاز است

Inactive Reminders By Icora Web Design