الگـوریتم پـس انتشـار بـا نـرخ یـادگیري کاهشـی (BDLRF)

Abstract

در این مطالعه براي تحلیل داده هـا از شـبکه عصـبی مصـنوعی استفاده شد. شبکه MLP با دریافت بردار ورودي Xq به عنوان بـردار ویژگیها، بردار خروجی Zq به عنوان کلاس پیش بینی شده براي هـر q(q=1, …,Q) تولید خواهـد کـرد. هـدف، اتخـاذ پارامترهـاي صحیح شبکه، به منظور دستیابی به خروجی واقعی Zq است که تا حد ممکن نزدیک به خروجی مطلـوب dq متنـاظر بـا خـود باشـد. بـراي آموزش شبکه از الگـوریتم پـس انتشـار بـا نـرخ یـادگیري کاهشـی (BDLRF) استفاده شد. کد کامپیوتري این الگوریتم در محیط برنامه نویسی نرم افزار MATLAB نسخه 8 تهیه شد. این الگوریتم آموزش با آهنگ یادگیري (η) و عامل ممنتوم (α) ثابت و نسبتا بزرگ شروع می کند و قبل از آنکه شبکه ناپایدار و یا همگرایی آن کند شود، هر T تکرار (3≤T≤5) آهنگ یادگیري و فاکتور ممنتوم را از طریق تصاعد حسابی بصورت یکنواخت کاهش داده تا زمانیکه این پارامترها بـه x درصد (5%) مقادیر اولیه خودشان برسند. تابع هزینه بکار رفته در این الگوریتم مجموع کل مربعات خطا (TSSE) می باشد و با استفاده از معادله پیوست محاسبه می شود. در این معادله، dqk و zqk به ترتیب k امین عنصر از بردارهاي خروجی مطلـوب و واقعی از q امین ورودي است. یادگیري شبکه در دو فاز پیش انتشار و پس انتشار اتفاق می افتد.