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 ۱۰-۱۱-۱۳۹۰, ۰۱:۰۲ بعد از ظهر   #1 (لینک دائم)
عضو جدید
 
آواتار yas89
 
تاريخ عضويت: دي ۱۳۹۰
پست ها: 2
تشكرها: 0
0 تشكر در 0 پست
پيش فرض نیاز به شبکه عصبی tdnn

سلام
من نیاز فوری به توضیح شبکه عصبی تاخیر زمانی tdnn دارم
yas89 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 ۱۰-۱۶-۱۳۹۰, ۰۴:۲۷ بعد از ظهر   #2 (لینک دائم)
عضو فوق فعال
 
آواتار mansor50
 
تاريخ عضويت: خرداد ۱۳۹۰
محل سكونت: مشهد
پست ها: 197
تشكرها: 2
48 تشكر در 42 پست
My Mood: Sepasgozar
پيش فرض

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.
mansor50 آفلاين است   پاسخ با نقل قول
از mansor50 تشكر كرده اند:
Astaraki (۱۰-۱۷-۱۳۹۰), 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 ۰۵:۵۰ 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