بسم الله الرحمن الرحیم
الگوریتم جدید برای شبکه عصبی MLP در کاربردهای دسته بندی
شبکه های عصبی
روش های متداول در دسته بندی
دسته بندی
شناسایی سیستم
تخمین توابع
کاربردهای شبکه های عصبی
شبکه های عصبی
روش های پارامتری
RBF
MLP
SVM
ML
MAP
روش های متداول در آموزش شبکه MLP
پس انتشار خطا
ارائه روش لونبرگ مارکوات
روش های نیوتنی
کمترین مربعات خطا
….
در تمام روش های فوق معیار آموزش وزن ها با معیار دسته بندی متفاوت است.
روش های متداول در آموزش شبکه MLP (ادامه)
خروجی مطلوب در روش های آموزشی متداول
تابع خطا
معیار دسته بندی
نادیده گرفتن معیار دسته بندی در فرآیند آموزش می تواند سبب کاهش قابلیت الگوریتم آموزشی گردد.
روش های متداول در آموزش شبکه MLP (ادامه)
مثال: نمونه آموزشی متعلق به کلاس اول است:
برخلاف کابردهای شناسایی سیستم و تخمین توابع، در کاربردهای دسته بندی، بینهایت خروجی مطلوب برای شبکه وجود دارد.
نیازی به ثابت فرض کردن خروجی مطلوب نیست.
روش پیشنهادی
شرط صفر بودن خطا در روش های آموزش متداول
شرط صفر بودن خطا بر اساس معیار دسته بندی
شرط صفر بودن خطا بر اساس معیار آموزشی پیشنهادی
روش پیشنهادی (ادامه)
خروجی مطلوب در روش پیشنهادی
خطای خروجی شبکه با ورودی مطلوب فوق
روش پیشنهادی (ادامه)
بررسی مثال قبل با معیار پیشنهادی
شبیه سازی
۵۰۰ دسته بندی پیکسل های تصویر ماهواره ای با ابعاد 80*120در دوازده باند
شامل 8 کلاس.
کلاس های 1 و 2 شامل 2400 پیکسل و سایر کلاس ها شامل 800 پیکسل
شبیه سازی (ادامه)
برای آموزش از هر کلاس 100 نمونه انتخاب شده است.
شبیه سازی (ادامه)
شبیه سازی (ادامه)
شبیه سازی (ادامه)
شبیه سازی (ادامه)
با تشکر از اساتید و حضار محترم