پرینت

مقدمه ای بر شبکه های عصبی مصنوعی (قسمت هشتم)

نوشته شده توسط مجتبی آیتی نیا. منتشر شده در شبکه‌های عصبی

RBF

 

شبکه های عصبی Radial Basis Function نوع جديدی از شبکه های عصبی هستند که تابع هسته آنها پايه شعاعی می باشد. اين تابع در صفر دارای مقدار ماکزيمم خود، يعنی يک می باشد و در مثبت و منفی بی نهايت به صفر می رسد. در شکل زیر اين تابع آمده است.

 

 

شبکه های RBF در زمانی که الگوهای ورودی زيادی در دسترس باشد، معمولا بهترين کارايی را دارند. زمانی که از اين شبکه ها برای تقريب توابع بهره می گيرند، يک لايه با تابع هسته خطی در لايه خروجی شبکه قرار می دهند.

پرسپترون

شبکه های پرسپترون هم اکنون جزء پرکاربردترين شبکه های عصبی هستند. اصطلاح پرسپترون برای نخستين بار توسط فرانک رزنبلات، برای تشريح انواع مختلفی از شبکه های عصبی به کار برده شد. يک پرسپترون قادر است دو الگوی متفاوت را که به وسيله يک خط قابل جداشدن هستند را از هم تفکيک کند. بنابراين يک پرسپترون می تواند، اکثر توابع منطقی را پياده سازی کند. اما XOR را نمی تواند پياده کند چون تابعی غير خطی می باشد. در واقع از 16 تابع دودويی ممکن، فقط دو تای آنها يعنی يای انحصاری و وارون آن تفکيک پذير خطی نيستند. در جداسازی های غير خطی بايد از چند پرسپترون در يک لايه، و يا از پرسپترون چند لايه(MLP)  استفاده کرد.

 

 در شکل زیر نحوه تفکيک با يک پرسپترون و چند پرسپترون در يک لايه آمده است.

 

You have no rights to post comments