مقاله معیاری تجربی برای تشخیص مناسب بودن استفاده از شبکه عصبی پرسپترون چندلایه جهت طبقه بندی الگوها

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله معیاری تجربی برای تشخیص مناسب بودن استفاده از شبکه عصبی پرسپترون چندلایه جهت طبقه بندی الگوها دارای ۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله معیاری تجربی برای تشخیص مناسب بودن استفاده از شبکه عصبی پرسپترون چندلایه جهت طبقه بندی الگوها  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله معیاری تجربی برای تشخیص مناسب بودن استفاده از شبکه عصبی پرسپترون چندلایه جهت طبقه بندی الگوها،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله معیاری تجربی برای تشخیص مناسب بودن استفاده از شبکه عصبی پرسپترون چندلایه جهت طبقه بندی الگوها :

تعداد صفحات:۷

چکیده:

در بسیاری از مسائل عم ل ی و پیچیده داده کا و ی و شناسایی الگو، از شبکه عصبی پرسپترون چندلایه برای جداسازی کلاسهای مختلف بر مبنای الگوهای آموزشی استفاده میشو د . در این موارد، معیار مناسب بودن طبقه بندی کننده عصبی، تجربی بوده و در صورتی که جواب خوبی بدست نیاید، س عی میشود با تغییر پارامترهای شبکه عصبی (تعداد لایه مخفی و تعداد نرون عصبی در هر لایه) و استفاده از روش س ع ی و خطا، جواب مطلو ب گرفته شود . ولی در واقع قدرت شبکه پرسپترون چندلایه در شناسایی الگوهای کلاسهای گوناگون، وابسته به توزیع آماری کلاسها بوده و به نظر م یرسد رابطه ای در این مورد برقرار اس ت . از آنجاییکه توزیع نرمال، یک توزیع متعارف در مسائل مختلف داده کا و ی و شناسایی الگو است، در این مقاله نتایج استفاده از شبکه عصبی پرسپترون چند لایه به عنوان طبقه بن د ی کننده کلاسهایی با توزیع نرمال و با مقادیر مختلف بردار مت و سط و ماتریس کوواریانس، بررسی میگردد . نتایج بررس ی نشان میدهد که طبقه بندی کننده عصبی پرسپترون چندلایه در مواردی که اختلاف ت وزیع کلاسها در بردارهای میانگین بوده و ماتریس کوواریانس کلاسها بیضوی نباشند، جواب مناسبی داشته و از روشهای آماری شناسایی الگو با تخمین پارامترهای هر کلاس جواب بهتری م ی دهد. ولی در عوض اگر اختلاف توزیع کلاسها در ماتریس کوواریانس بوده و بردار میانگین مشابه ب اشد، شبکه عصبی دقت روشهای آماری را نخواهد داش ت . بنابراین بهتر است قبل از استفاده از شبکه عصبی به عنوان طبقه بندی کننده الگو در داده کا و ی و شناسایی الگو، برد ا ر متوسط و ماتریس کوواریانس داد ه های آموزش ی بررسی گردد تا حدود جواب قابل انتظار از شبکه عصبی در طبقه بندی الگوها مشخص گردد.