طراحی و پیاده سازی شبکه های عصبی با توابع فعال ساز ویولت و چبیشف برای شناسایی سیستم های غیرخطی

در این پایان نامه ساختارهای جدیدی بر اساس توابع چبیشف و خانواده ی توابع ویولت بر اساس دیدگاه narmax ارائه شده که برای اهداف شناسایی سیستم و پیش بینی سری های زمانی غیر خطی کاربرد دارند. ساختارهای ارائه شده در این تحقیق شامل ترکیبات مختلف توابع چبیشف، توابع از خانواده ی ویولت، بسط hdmr و روش های آنالیز باقیمانده می باشند. این ساختارها حاصل ترکیب مدل های پارامترخطی و شبکه های عصبی غیرخطی بوده و قابلیت تخمین سریع و بهینه ی پارامترها با استفاده از الگوریتم های کمترین مربعات را دارند. در ساختارهای ارائه شده برای کاهش حجم محاسبات و افزایش مقاومت در مقابل نویز از دیدگاه hdmr استفاده شده است. با استفاده از روش آنالیز باقیمانده، دقت نهایی شبکه ی پیشنهادی افزایش و ابعاد ورودی مورد نیاز کاهش یافته است. برای داده های با نویز کم مشاهده شد که آنالیز باقیمانده نتایجی چشمگیر را ارائه می دهد. برای تخمین پارامترهای مدل های پارامترخطی از الگوریتم ofr استفاده شده که سریع، مقاوم به ماتریس های بدحالت و بسیار انعطاف پذیر است. نتایج شبیه سازی ها همگی بر کاربردی بودن ساختار معرفی شده دلالت دارند. سرعت نسبتا بالا، قابلیت پیاده سازی به هنگام، مقاوم بودن به نویز، قابلیت تقریب سراسری، قابلیت محلی سازی و انعطاف پذیری روش های پیاده سازی از جمله خواص مهم ساختارهای ارائه شده است.