ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Ensemble of Simple Echo State Networks Trained by Negative Correlation Learning

العنوان بلغة أخرى: تدريب مجموعة من الشبكات البسيطة من نوع Echo State Network باستخدام التعلم بالارتباط السلبي Negative Correlation Learning
المؤلف الرئيسي: السراج، دعاء عصام (مؤلف)
مؤلفين آخرين: عبيد، نديم على (مشرف), الروضان، على عبدالله (مشرف)
التاريخ الميلادي: 2015
موقع: عمان
الصفحات: 1 - 72
رقم MD: 1044340
نوع المحتوى: رسائل جامعية
اللغة: الإنجليزية
الدرجة العلمية: رسالة ماجستير
الجامعة: الجامعة الاردنية
الكلية: كلية الدراسات العليا
الدولة: الاردن
قواعد المعلومات: Dissertations
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

14

حفظ في:
المستخلص: شبكة حالة الصدى Echo State Network (ESN)، هي نوع من أنواع الشبكات العصبية المتكررة Recurrent Neural Network (RNN) والمعروفة بأدائها المتميز في مجال حوسبة الخزان Reservoir Computing (RC). حيث يتم في حوسبة الخزان تهيئة مساحة حالة الشبكة بقيم عشوائية وثابتة ومن ثم تدريب الشبكة فقط على الجزئية ما بين الطبقية المخفية (الخزان) وطبقة الإخراج. ولكن، نظرا لوجود العشوائية في تهيئة الخزان، فهذا يمنع من إجراء التحليل النظري لخصائص ديناميكية الخزان. وفي ضوء ذلك، فإننا في دراستنا هذه، نهدف إلى إزالة هذا الغموض في خزان ESN بتحديد كامل الهيكلية مسبقا وبدون أي عشوائية. ونقوم باقتراح نماذج بناء وصلات مختلفة للخزان ودراسة تأثير وجود الوصلات المختلفة في الخزان من (حلقات ذاتية، ووصلات إلى الوراء وإلى الأمام) على أداء الشبكة. وقد وجدنا في دراستنا أن استخدام نماذج وصلات الخزان تحافظ على بساطة العمل الموجود في ESN العشوائية، ويؤدي إلى أداء مماثل أو أفضل في بعض الأحيان، حيث تم تطبيقهم على مجموعة بينات قياسية مختلفة. وقد قمنا أيضا بتصميم مجموعة Ensemble من خزانات ESN البسيطة وتدريبها بالترابط السلبي عبر الزمن (SESN-NCTT).‏ هذا التصميم، (SESN-NCTT)،‏ يشجع الخزانات المختلفة على التدريب بشكل تعاوني وبالتتابع باستخدام التعلم بالارتباط السلبي (Negative Correlation Learning)، وبالتالي حسن من الأداء العمومي وقلل من تعقيد الحساب. نتائج (SESN-NCTT) تبين أن استخدام NCL مع تزايد الارتباط بين الشبكات يحسن من دقة النتائج مع سرعة أكبر في التعلم بالمقارنة مع التعلم بدون NCL.

عناصر مشابهة