neural network

انجام پروژه شبکه عصبی

قانون یادگیری شبکه های عصبی رقابتی، در گروه یادگیری بدون ناظر قرار می گیرد. در این شبکه ها، چنانچه از نام آنها برمی آید، خروجی های سلول عصبی با یکدیگر به رقابت می پردازند تا یکی از آنها که دارای امتیاز بیشتری است در رقابت برنده شده و در بین سایر سلولها متمایز شود. در مدل همینگ نمونه ساده ای از این نوع رقابت مشاهده می شود. شبکه همینگ را شاید بتوان یکی از ساده ترین نمونه های شبکه های رقابتی دانست. لایه اول و سوم این شبکه از نوع پیشخور هستند. لایه اول عمل همبستگی ورودی با کلاسهای مرجع را انجام می دهد و لایه سوم هم که حکم لایه خروجی کل مدل را دارد، الگوی مرجعی را که از بیشترین شباهت به ورودی برخوردار است تعیین می کند.

این فرابند به کمک رقابت بین سلولهای عصبی در لایه دوم صورت می گیرد. این لایه عملا یک شبکه رقابتی را نمایندگی می کند. سلولی برنده رقابت است که شماره کلاس مرجع دارای  با انتخاب مناسب مقادیر بردار وزن لایه دوم، فرایند رقابت از طریق مکانیسمی موسوم به مهار جانبی، ایفا می شود. در شبکه های انجمنی مبتنی بر قانون یادگیری هب، ممکن است چندین سلول در لایه خروجی بطور همزمان فعال شوند.

ایده اولیه یادگیری رقابتی به اوایل دهه شصت میلادی بر می گردد. در آن هنگام فرانک روزنلات، یک شبکه بدون ناظر مبتنی بر پرسپترون معرفی کرد که می توانست بردارهای ورودی را به دو طبقه با تعداد عناصر نسبتا برابر، تقسیم بندی نماید. در سالهای آخر دهه شصت و اوایل دهه هفتاد میلادی، استفان گراسبرگ تعداد زیادی از شبکه های رقابتی که بر اساس ایده مهار جانبی، توانایی حذف نویز و نرمالیزه کردن برداها را داشتند، معرفی نمود.

در سال 1973 فون درمالسبورگ، یک قانون رقابتی خود سازمانده مبتنی بر ایده یادگیری رقابتی معرفی کرد. بر اساس این قانون یادگیری، شبکه قادر است ورودیها را به طوری طبقه بندی کند که سلولهای مجاور به ورودیهای مشابه پاسخ بدهند. مشابه این عمل در قشر بینایی و شنوایی مغز انجام می گیرد. قانون یادگیری مالسبورگ برای تضمین نرمالیزاسیون از اطلاعات غیرمحلی استفاده می کرد، این امر توجیه بیولوژیکی ندارد.

محقق بزرگ دیگری که در زمینه شبکه های عصبی، و بطور ویژه شبکه های عصبی رقابتی خودسازمانده نقش بارزی ایفا کرده است، تئو کوهنن است. او روی کاربردهای مهندسی و توصیفهای ریاضی گونه از شبکه های رقابتی تاکید داشت. در دهه هفتاد او نوع ساده ای از قانون یادگیری را معرفی و نیز راه موثر برای پیاده سازی شبکه های رقابتی پیشنهاد کرد.

 

برای انجام پروژه و مشاوره شبکه عصبی با ما تماس بگیرید
aerocontrol.project@gmail.com
aerocontrol.project@yahoo.com
info@aerocontrol.ir

آی دی تلگرام:

                                                                                                             @ae_pr

تلفن تماس :
09304692657
09307810797

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *