| LEADER |
02529nam a22002297a 4500 |
| 001 |
0221761 |
| 044 |
|
|
|b العراق
|
| 100 |
|
|
|9 10294
|a Al Bayiati, Abbas Y.
|e Author
|
| 245 |
|
|
|a Conjugate Gradient Back - Propagation with Modified Polack - Rebier updates for training feed forward neuaral network
|
| 260 |
|
|
|b جامعة الموصل - كلية علوم الحاسوب والرياضيات
|c 2011
|
| 300 |
|
|
|a 164 - 173
|
| 336 |
|
|
|a بحوث ومقالات
|
| 500 |
|
|
|a ملخص لبحث منشور باللغة الانجليزية
|
| 520 |
|
|
|a طورت عدة خوارزميات التعليم للشبكات العصيبة ذوات التغذية الأمامية وتستند كثير من هذه الخوارزميات الى خوارزمية الانحدار السلبي، ومن المعروف في نظرية الأمثلية انها ليست ذات كفاءة في التطبيقات العملية. في هذا البحث نحاول تطوير طريقة بولاك-ريبيير للمتجهات المترافقة لتعليم الشبكة العصبية ذات التغذية الأمامية، وتطويرنا استند الى معادلة القاطع (شرط شبيه نيوتن) الخوارزمية المقترحة اختبرت لبعض مسائل الاختبار المعروفة وقورنت مع بعض الخوارزميات المعروفة في هذا المجال.
|b S everal learning algorithms for feed-forward (FFN) neural networks have been developed, many of these algorithms are based on the gradient descent algorithm well-known in optimization theory which have poor performance in practical applications. In this paper we modify the Polak- Ribier conjugate gradient method to train feed forward neural network. \ Our modification is based on the secant equation (Quasi-Newton \ condition). The suggested algorithm is tested on some well known test problems and compared with other algorithms in this field.
|
| 653 |
|
|
|a الشبكات العصبية
|a مستخلصات الابحاث
|a خوارزميات التعليم
|a الاساليب الاحصائية
|a الاحصاء
|a التحليل الاحصائى
|
| 700 |
|
|
|9 408938
|a Saleh, Ibrahem A.
|e Co-Author
|
| 773 |
|
|
|4 الاقتصاد
|6 Economics
|c 059
|e Iraqi Journal of Statistical Science
|l 020
|m ع20
|o 1147
|s المجلة العراقية للعلوم الإحصائية
|v 000
|x 1680-855X
|
| 700 |
|
|
|a Abbo, Khalil K.
|e Co-Author
|9 6012
|
| 856 |
|
|
|u 1147-000-020-059.pdf
|
| 930 |
|
|
|d y
|p y
|
| 995 |
|
|
|a EcoLink
|
| 999 |
|
|
|c 422189
|d 422189
|
