spow 44197 اشتراک گذاری ارسال شده در 27 آبان، ۱۳۹۰ هدف الگوريتم هاي يادگيري افزايشي در شبكه هاي چند لايه پرسپتروني، حفظ نتايج فازهاي آموزشي قبلي و بهبود عملكرد شبكه با آموز ش انحصاري آن بر روي نمونه هاي جديد اس ت . الگوريتمهايي كه تاكنون براي يادگيري افزايشي در يك شبكه چند لايه پرسپتروني پيشنهاد شده اند قابليت تعريف كلاس هاي جديد را در اختيار نمي گذارند . در اين مقاله الگوريتمي براي يادگيري افزايشي در شبكه هاي چند لايه پرسپتروني مورد بررسي قرار مي گيرد كه اين نقطه ضعف را رفع كرده است . اين الگوريتم از تركيب افزايشي تعدادي شبكه يادگير ضعيف كه هريك مربوط به تعدادي از نمونه هاي آموزشي است كه در طول زمان به سيستم ارائه شده اند، يك شبكه يادگير قوي مي سازند و قابليت پذيرش كلاسهاي جديد معرفي شده توسط نمونه هاي تازه وارد را نيز دارا مي باشند . در اينجا تاثير پارامترهاي مختلف بر ميزان كارايي الگوريتم مورد بررسي قرار گرفته، و بوسيله نتايج بدست آمده، عملكرد الگوريتم مورد تحليل قرار خواهد گرفت . به علاوه سه راه براي بهبود عملكرد چنين الگوريتمي پيشنهاد شده است. نتايج حاصل از پياده سازيهاي صورت گرفته، حاكي از موفقيت اين روشها در بهبود عملكرد الگوريتم نسبت به نسخه اصلي مي باشد تاجايي كه استفاده همزمان از اين روشها منجر به كاهش پنجاه درصدي خطا نسبت به نسخه اصلي الگوريتم گرديده است برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام 1 لینک به دیدگاه
ارسال های توصیه شده