پایداری مجانبی شبکه های عصبی هاپفیلد

thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه زنجان - دانشکده علوم
author زینب شهبازی
adviser محمد تقی دستجردی
Number of pages: First 15 pages
publication year 1391

abstract

کاربرد های شبکه های عصبی به شدت به رفتار دینامیکی آنها وابسته هستند و از آنجا که پایداری، یکی از مهم ترین مسائل مربوط به اینگونه رفتارهاست بنابراین مسئله ی تحلیل پایداری شبکه های عصبی اهمیت بسیاری دارد. از کاربردهای مهم شبکه های عصبی استفاده از آنها در حل مسائل بهینه سازی است. اگر چه شبکه های عصبی مسائل را به طور تقریبی حل می کنند ولی سرعت محاسباتی بالای آنها این نقیصه را تا اندازه ای جبران می کند. همچنین با انتخاب شبکه ی عصبی مطلوب این نقیصه کاهش می یابد. یکی از مهم ترین ویژگی های شبکه ی عصبی مطلوب برای حل مسائل بهینه سازی وجود نقطه ی تعادل به طور مجانبی پایدار برای شبکه می باشد. در این پایان نامه به بررسی نقطه ی تعادل شبکه ی عصبی هاپفیلد تأخیری پرداخته شده است. در این راستا یک شرط جدید به صورت نامساوی ماتریس خطی برای شبکه در نظر گرفته شده است که با برقرار بودن آن، وجود نقطه ی تعادل یکتا وپایداری مجانبی وابسته به تأخیر شبکه در آن تضمین گردیده است.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

تخمین عمق بی هنجاریهای گرانی با استفاده از شبکه های عصبی هاپفیلد

در این مقاله روش شبکه عصبی هاپفیلد برای تفسیر هوشمند داده های گرانی استفاده شده است. یک شبکه عصبی هاپفیلد برای تخمین عمق چشمه گرانی طراحی شده است. این شبکه طراحی شده برای داده های مصنوعی و واقعی آزمایش شده اند. در مورد داده های واقعی این شبکه برای تخمین عمق یک تونل قنات واقع در موسسه ژئوفیزیک به کار برده شده و نتایج حاصله به مقادیر واقعی عمق بسیار نزدیک است.

full text

پایداری مجانبی اپراتورهای فوق کروی

اپراتورهای فوق کروی برای اندازه dma(X) = (1-X2)adX تشکیل یک سیستم متعامد بر بازه [-1.1] می دهند. برای a>-1.2 فرمول ضرب گگنبائر 2 نشان می دهد که هسته گگنبائر تسادفی است. در این مقاله با در نظر گرفتن این هسته یک اپراتور مارکف PaX3 تعریف می شود و با استفاده از خواص اپراتورهای مارکف پایداری مجانبی آن به ازای 0

full text

محاسبه ظرفیت شبکه عصبی هاپفیلد و ارائه روش عملی افزایش حجم حافظه

The capacity of the Hopfield model has been considered as an imortant parameter in using this model. In this paper, the Hopfield neural network is modeled as a Shannon Channel and an upperbound to its capacity is found. For achieving maximum memory, we focus on the training algorithm of the network, and prove that the capacity of the network is bounded by the maximum number of the ortho...

full text

تشخیص اتوماتیک پلاک خودرو فارسی به روش لبه‌یابی با استفاده از شبکه عصبی هاپفیلد

شماره پلاک خودرو یکی از مناسب‌ترین اقلام اطلاعاتی جهت احراز هویت خودرو‌ها می‌باشد. سیستم تشخیص پلاک خودرو یک سیستم مکانیزه است که با عکس گرفتن از خودروها، شماره پلاک آنها را استخراج می‌کند. روشی که در این مقاله ارائه شده است شامل دو قسمت می‌باشد. در قسمت اول با استفاده از لبه‌یابی و عملیات مورفولوژی محل پلاک شناسایی شده و در قسمت دوم با استفاده از شبکه عصبی هاپفیلد کاراکترها شناسایی می‌شوند. ای...

full text

تشخیص اتوماتیک پلاک خودرو فارسی به روش لبه‌یابی با استفاده از شبکه عصبی هاپفیلد

full text

فرآیند یادگیری با استفاده از شبکه های عصبی هاپفیلد

دز این پایان نامه ابتداد تعریف دقیقی از پایداری به مفهوم هاپفیلد برای شبکه های عصبی ارائه می گردد تا تفاوت بین این پایداری و پایداری لیاپانوف را نشان دهیم همچنین روش های کلی ساخت تابع انرژی را ارائه می دهیم. سپس بعضی از نتایج پایداری لیاپانو ف، مربوط به شبکه های عصبی عمومی،شبکه های عصبی حافظه ارتباطی دوسویی و شبکه های عصبی سلولی را نشان خواهیم داد. توجه مان را روی پایداری ( لیپانو ف، مجانبی سرا...

15 صفحه اول

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه زنجان - دانشکده علوم

Keywords

پایداری مجانبی سراسری شبکه های عصبی هاپفیلد نامساوی ماتریس خطی.

Hosted on Doprax cloud platform doprax.com