Thesis

شبکه های عصبی با گراف منظم

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

شبکه های عصبی از جایگاه خاصی در علوم غیرخطی برخوردارند. این شبکه ها با بهره گیری از ساختار غیرخطی خود، می توانند به تحلیل رفتار سیستم هایی بپردازند که دوره تناوب کوتاه مدت ندارند. در مجموع شبکه های عصبی در سیستم هایی کارکرد دارند که رفتار گذشته ی آن ها در دسترس باشد. کاربرد های شبکه های عصبی عبارت از طبقه بندی اطلاعات، تشخیص الگو و یا پیش بینی رفتار سیستم های خطی و غیرخطی است. یکی از پر کاربردترین شبکه های عصبی، شبکه عصبی ساخته شده از پرسپترون هاست که با استفاده از الگوریتم انتشار خطای عقب سو به یادگیری می رسد. اما دشواری هایی نیز در راه استفاده از این شبکه ها وجود دارد. از جمله این دشواری ها، نرسیدن شبکه به حد خطای قابل قبول و یا زمان طولانی یادگیری این شبکه هاست. در این پایان نامه به عنوان حل یک مساله ی غیرخطی، به پیش بینی دمای میانگین روزانه ی دو شهر پرداخته ایم. برای این پیش بینی از الگوریتم انتشار خطای عقب سو استفاده کرده ایم. از طرف دیگر، تلاش کرده ایم تا دشواری های مربوط به شبکه عصبی ساخته شده از پرسپترون ها را حل کنیم و به این منظور، با استفاده از مفهوم گراف منظم ساختار-هایی ارائه کرده ایم که می توانند سریع تر از شبکه های معمولی به یادگیری دست یابند. همچنین در برخی موارد، این یادگیری، بهتر از شبکه های معمولی صورت گرفته است.

Supervisors and advisors

امیرحسین درونه، علیرضا ولی زاده

Similar theses

Similar items

  • گسترش مدل شبکه عصبی گراف پیچشی در مدل‌سازی شدت تصادفات

    Article2025مهندسی حمل و نقلامید عبدالحسین پور محجوبیان، علی توکلی کاشانی

    به علت خسارات اجتماعی و اقتصادی وارده توسط تصادفات، مطالعات ایمنی ترافیک در دهه‌های گذشته به‌شدت مورد توجه قرار گرفته‌اند. یکی از ابعاد مطالعات ایمنی ترافیکی، مدل‌سازی شدت تصادفات است که در آن رابطه بین شدت تصادفات و یک دسته متغیر توضیح مورد بررسی قرار می‌گیرد. علاوه بر مدل‌های آ

  • یک شبکه عصبی مصنوعی منظم بیزی برای پیش بینی بازار سهام

    در این مقاله شبکه مصنوعی عصبی تنظیم شده بیزی به عنوان یک روش جدید برای پیش بینی وضعیت مالی بازار پیشنهاد داده شده است. قیمت روزانه بازار و شاخص‌های فنی مالی به عنوان ورودی برای پیش بینی یک روز بعد قیمت سهام فردی بسته شده، استفاده شده است. پیش بینی حرکت قیمت سهام به طور کلی بعنوان

  • یک شبکه عصبی مصنوعی منظم بیزی برای پیش بینی بازار سهام

    Articleپژوهش حسابداریمحمود لاری دشت بیاض، استادیار و عضو هیئت علمی گروه حسابداری – دانشگاه فردوسی مشهد شعبان محمدی، کارشناسی ارشد ریاضی- کارشناسی ارشد حسابداری- دانشگاه حکیم سبزواری و موسسه آموزش عالی حکیم نظامی قوچان

    در این مقاله شبکه مصنوعی عصبی تنظیم شده بیزی به عنوان یک روش جدید برای پیش بینی وضعیت مالی بازار پیشنهاد داده شده است. قیمت روزانه بازار و شاخص های فنی مالی به عنوان ورودی برای پیش بینی یک روز بعد قیمت سهام فردی بسته شده، استفاده شده است. پیش بینی حرکت قیمت سهام به طور کلی بعنوان

  • مدل‌سازی فرار مالیاتی معاملات اشخاص وابسته رویکرد هیبریدی گراف کاوی و شبکه عصبی عمیق

    Article2025پژوهشنامه مالیاتامین احمدپور، سیده محبوبه جعفری، فاطمه صراف

    فرار مالیاتی مبتنی بر معاملات وابسته یک استراتژی جدید در فرار مالیاتی است که از طریق معاملات قانونی،مانندمعاملات بین گروهی از‌شرکت‌ها که روابط تعاملی ناهمگن،پیچیده وپنهانی برای فرار مالیاتی دارند، انجام می‌شود. مطالعات موجود نمی‌توانند به طور موثر رفتارهای فرار مالیاتی اشخاص وابس

  • قطعه بندی تصاویر بافتدار به کمک برش گراف کرنل مبتنی بر آنتروپی و شبکه عصبی عمیق VGG16

    Article2022پردازش سیگنال پیشرفتهمهرناز نیازی، کامبیز رهبر، منصور شیخان، مریم خادمی

    اخیرا قطعه بندی تصویر بر پایه روشهای برش گراف کارایی چشمگیری را روی مجموعه ای از داده های تصویری به نمایش گذاشته اند. اگرچه که روش برش گراف کرنل کارایی مناسبی را تامین می کند ولی کارایی آن به شدت به نگاشت داده ها به فضای تبدیل و ویژگیهای تصویر وابسته است. روش برش گراف کرنل مبتنی

  • بهبود صحت طبقه‌بندی گره‌ها در شبکه‌های عصبی گراف با استفاده از PageRank به عنوان یک ویژگی اضافی برای گره‌ها

    Article2025پژوهشهاي نظري و كاربردي هوش ماشينيحسین حسینی، مهدی نقوی

    در این مقاله، راهکاری ساده و مؤثر برای بهبود عملکرد شبکه‌های عصبی گراف در مسئله طبقه‌بندی گره‌ها ارائه شده است. روش پیشنهادی شامل افزودن نمره PageRank به‌عنوان یک معیار جهانی مرکزیت به بردار ویژگی گره‌هاست تا اطلاعات زمینه‌ای فراتر از همسایگی محلی در مدل لحاظ شود. برای ارزیابی، س