توسعه ماشین یادگیری هیجانی مغز با الهام از ماشین یادگیر مفروط ترتیبی آنلاین حافظهدار بازگشتی مبتنی بر شبکههای عصبی | ||
| مدل سازی در مهندسی | ||
| دوره 20، شماره 70، پاییز 1401، صفحه 1-21 اصل مقاله (1.95 M) | ||
| نوع مقاله: مقاله کامپیوتر | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2022.25125.2184 | ||
| نویسندگان | ||
| مهدی گلشن1؛ محمد تشنه لب* 2؛ آرش شریفی1 | ||
| 1گروه کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران | ||
| 2گروه مهندسی کنترل و سیستم، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران | ||
| چکیده | ||
| پیشبینی دادهها در قالب سریهای زمانی آشوبی و پیچیده یکی از مهمتری مسائل اساسی در حوزههای مختلف علمی و صنعتی است. مدلهای داده محور همانند شبکههای عصبی مصنوعی و عصبی فازی در مقایسه با سایر مدلها به دلیل ویژگیهای خاص بیشتر مورد توجه قرار گرفتهاند. به منظور توسعه و بهبود این مدلها از مفاهیم سیستم لیمبیک مغز پستانداران استفاده میشود. بر این اساس ماشین یادگیری هیجانی معرفی میشود. در این مقاله، ماشین یادگیر مفروط ترتیبی آنلاین به عنوان مولفه اصلی در مراکز پردازشی ماشین یادگیری هیجانی مغز استفاده میشود. به منظور تعامل بین مراکز پردازشی، ماشین یادگیر مفروط ترتیبی آنلاین به صورت یک شبکه حافظهدار بازگشتی با قابلیت انتقال یادگیری طراحی میشود. مدل پیشنهای ماشین یادگیری هیجانی مغز مبتنی بر ماشین یادگیر مفروط ترتیبی آنلاین حافظهدار بازگشتی نامیده میشود. به منظور بررسی و مقایسه کارآیی مدل پیشنهادی، پارامترهای اولیه مدلها بازای دادههای سریهای زمانی مکیگلاس و لورنز در شرایط یکسان تنظیم میشوند. مدلهای مختلف بر اساس معیارهای قابل اندازهگیری معتبر در پیشبینی مسائل رگرسیون مورد ارزیابی و مقایسه قرار میگیرند. نتایج شبیهسازی نشان میدهد که مدل پیشنهادی با تابع فعالساز سیگموید تک قطبی و دوقطبی به ترتیب برای دادههای تست سری زمانی مکیگلاس و لورنز دارای بیشترین معیار کارایی نسبت به مدلهای آنلاین مشابه است. همچنین برای داده های آموزش دارای کارایی قابل قبولی نسبت به مدلهای مشابه است. | ||
| کلیدواژهها | ||
| ماشین یادگیری هیجانی مغز؛ ماشین یادگیر مفروط ترتیبی آنلاین؛ شبکههای حافظهدار بازگشتی؛ شبکههای عصبی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,449 تعداد دریافت فایل اصل مقاله: 695 |
||
| تعداد نشریات | 22 |
| تعداد شمارهها | 722 |
| تعداد مقالات | 10,383 |
| تعداد مشاهده مقاله | 72,838,696 |
| تعداد دریافت فایل اصل مقاله | 64,535,279 |