الگوريتم BP
• تعميمي از الگوريتم LMS
• شاخص اجرايي مشابه LMS
– SL تعداد نرونها در لايه L
• شاخص اجرا
روش Sobel
يي تابعي از پارامترهاي شبكه
• قانون يادگيري:
– در LMS مشتقات به سادگي محاسبه ميشد ولي اينجا به دليل توابع غيرخطي كار سخت تر است.
• جهت محاسبه ترم اصلاحي نياز به سيگنال خطا داريم
– براي نرونهاي خروجي (به دليل قابل رويت بودن) سيگنال خطا در دسترس است.
– نرونهاي لايه هاي مياني (نرونهاي مخفي) قابل رويت نبوده و سيگنال خطا براي آنها قابلاندازه گيري نمي باشد.
• توجه:
تمام نرونهاي مياني در مقدار خطا در لايه خروجي سهيم اند.الگوريتم BP هر نرون را با توجه به ميزان اثرش در بردار خطا تشويق يا تنبيه مي كند.
خلاصه الگوريتم
• مسير رفت:
• ملاحظه مي شود كه پارامترهاي شبكه ثابت و بدون تغيير مي مانند.
• مسير برگشت:
– شروع كار از لايه آخر (لايه خروجي ) است.
– بردار هاي حساسيت خطا از لايه آخر به لايه اول برگشت داده مي شوند.
– گراديان محلي، نرون به نرون با الگوريتم بازگشتي محاسبه مي شود.
– در اين مسير نيز پارامترهاي شبكه ثابت هستند.
• مسير برگشت:
• تنظيم پارامترها:
• توقف الگوريتم:
– ميانگين مربعات خطا در هر سيكل يا epoch ( جمع مربعات خطا براي تمام الگوهاي يادگيري) كمتر از مقدار از پيش تعيين شده اي باشد.دقت شود كه تعداد تكرارها هر سيكل برابر تعداد داده هاي يادگيري است.
– نرم گراديان خطا از مقدار از پيش تعيين شده اي كمتر باشد.
• محدوديت BP: توابع تبديل بايد مشتق پذير باشند.
• الگوريتم BP: به صورت دسته اي نيز قابل اجرا است.
مقاله متلب,مطلب,متلب,مقاله برق,مقاله قدرت,مقاله مطلب,مقاله سیمولینک,دانلود متلب,دانلود مقاله متلب,مقالهmatlab ,آموزش متلب,مطلب,متلب,آموزش برق,آموزش قدرت,آموزش مطلب,آموزش سیمولینک,دانلود متلب,دانلود آموزش متلب,آموزشmatlab ,پروژه متلب,مطلب,متلب,پروژه برق,پروژه قدرت,پروژه مطلب,پروژه سیمولینک,دانلود متلب,دانلود پروژه متلب,پروژهmatlab ,
