ترجمه مقاله یادگیری ساختاری در شبکه های عصبی مصنوعی با بهینه سازی تنک - نشریه الزویر

ترجمه مقاله یادگیری ساختاری در شبکه های عصبی مصنوعی با بهینه سازی تنک - نشریه الزویر
قیمت خرید این محصول
۳۷,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
یادگیری ساختاری در شبکه های عصبی مصنوعی با استفاده از بهینه سازی تنک
عنوان انگلیسی
Structural learning in artificial neural networks using sparse optimization
صفحات مقاله فارسی
20
صفحات مقاله انگلیسی
17
سال انتشار
2017
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد ✓
کد محصول
357
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه منابع داخل متن
به صورت عدد درج شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است ✓
رشته های مرتبط با این مقاله
مهندسی صنایع و کامپیوتر
گرایش های مرتبط با این مقاله
بهینه سازی سیستم ها، مهندسی الگوریتم ها و محاسبات
مجله
محاسبات عصبی - Neurocomputing
دانشگاه
طراحی فرایند و مهندسی سیستم، دانشکده علوم و مهندسی، دانشگاه Åbo Akademi، فنلاند
کلمات کلیدی
یادگیری ساختاری، شبکه های عصبی مصنوعی، بهینه سازی تنک، وزن دهی مجدد تکراری
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
نکات برجسته
چکیده
مقدمه
ساختار شبکه و نشان گذاری
همبندی تنک در شبکه های عصبی
3-1 بهینه سازی تنک
3-2 راه حل های تقریبی (P*0)
3-3 جستجوی خط پس گرد
آزمایش ها
4-1 مثال تشریحی
4-2 مثال تشریحی: طبقه بندی
4-3 مطالعه موردی: تخمین بازیافت حرارت تلف شده در کشتی ها
نتیجه گیری اظهارات
نمونه چکیده متن اصلی انگلیسی
Abstract

In this paper, the problem of simultaneously estimating the structure and parameters of artificial neural networks with multiple hidden layers is considered. A method based on sparse optimization is proposed. The problem is formulated as an `0-norm minimization problem, so that redundant weights are eliminated from the neural network. Such problems are in general combinatorial, and are often considered intractable. Hence, an iterative reweighting heuristic for relaxing the `0-norm is presented. Experiments have been carried out on simple benchmark problems, both for classification and regression, and on a case study for estimation of waste heat recovery in ships. All experiments demonstrate the effectiveness of the algorithm.

نمونه چکیده ترجمه متن فارسی
چکیده

در این مقاله مسئله تخمین همزمان ساختار و پارامترهای شبکه های عصبی مصنوعی با چندین لایه مخفی در نظر گرفته می شود. روشی بر مبنای بهینه سازی تنک ارائه می شود. مسئله به صورت یک مسئله کمینه سازی هنجار ℓ0 به گونه ای فرمول بندی می شود که اوزان افزونه از شبکه عصبی حذف می شوند. چنین مسائلی به طور کلی ترکیبی هستند و اغلب حل نشدنی در نظر گرفته می شوند. بنابراین یک وزن دهی مجدد سلسله مراتبی تکراری برای آسان سازی هنجار ℓ0 ارائه می شود. آزمایش هایی روی مسائل محک ساده، برای طبقه بندی و رگرسیون و روی یک مطالعه موردی برای تخمین حرارت تلف شده در کشتی ها، انجام گرفته است. تمامی آزمایش ها بیانگر کارآمدی الگوریتم هستند.


بدون دیدگاه