مجله مهندسی برق و الکترونیک ایران - جلد 22 شماره 2
برگشت به فهرست مقالات |
برگشت به فهرست نسخه ها
دانشگاه فردوسی مشهد
چکیده: (140 مشاهده)
درک عملکرد شبکههای عصبی یکی از چالشهای مورد بحثی است که تحقیقات زیادی را معطوف به خود کرده است. روش ±ED-WTA یک روش جدید یادگیری مبتنی بر الگو برای شبکههای عصبی مرسوم است که متناظر با هر نورون خروجی یک جفت الگوی مثبت و منفی به دست می‌آورد. الگوی مثبت، نمایانگر نمونههایی است که نورون به درستی در مورد آنها تصمیم میگیرد و الگوی منفی نمایندهی نمونههایی است که نورون به اشتباه به ازای آنها برنده شده است. ±ED-WTA برای تفسیر عملکرد نورون در لایهی بیشینهی نرم، اختلاف مربع فاصلهی هر داده از الگوی مثبت و الگوی منفی را لحاظ میکند. نکتهی جالب توجه در این روش این است که در انتهای آموزش، الگوی مثبت و منفی هر نورون شباهت بسیار زیادی با یکدیگر پیدا میکنند. در این مقاله، چگونگی تشکیل الگوها در روش ±ED-WTA مورد آنالیز و بررسی قرار گرفته است. سپس نشان داده میشود دلیل این شباهت جالب توجه، تأثیرگذاری الگوهای مثبت و منفی بر روی یکدیگر میباشد. همچنین با تعیین نمونههای مؤثر در شکلگیری الگوها، مشاهده میشود، همانطور که نمونههای مرزی در طبقهبند ماشین بردار پشتیبان مرز تصمیمگیری را تعیین میکنند، در شبکهی عصبی نیز نورونهای لایهی آخر بر اساس نمونههای مرزی طبقهبندی را انجام میدهند. آزمایشات بر روی مجموعه دادگان MNIST، FERET و Fashion-MNIST درستی ادعاهای مطرح شده را نشان میدهد.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License (CC BY NC 4.0) قابل بازنشر است. |
