مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

106
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

36
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مدل های مبتنی بر یادگیری عمیق در شناسایی سیستم های غیرخطی

صفحات

 صفحه شروع 1 | صفحه پایان 23

چکیده

 دل های مبتنی بر یادگیری عمیق عملکرد بسیار مناسبی در مدل سازی مسائل پیچیده در بینایی ماشین و پردازش زبان طبیعی از خود نشان داده اند که این موضوع به ماهیت غیرخطی و فراپارامتری این مدل ها نسبت داده می شود. روش های شناسایی سیستم های غیرخطی, می تواند از ابزارهای توسعه یافته در حوزه یادگیری عمیق بهره مند شوند که این امر موجب گسترده شدن ابزارهای موجود برای انتخاب یک مدل مناسب خواهد شد. ازاین رو, در این مقاله قصد داریم تا روش ها و ساختارهای موجود در یادگیری عمیق را از دیدگاه شناسایی سیستم های غیرخطی مرور کنیم. اگرچه مرور نسبتاً جامعی از ابزارهای قابل استفاده در حوزه شناسایی سیستم های غیرخطی ارائه خواهد شد, اما تمرکز اصلی این پژوهش بر کاربرد مدل های متغیر پنهان در شناسایی فضای حالت غیرخطی است. مدل های متغیر پنهان دسته ای از مدل های یادگیری عمیق هستند که در گروه مدل های مولد قرار می گیرند. نسخه اصلی این مدل ها, تنها قابلیت تولید داده های ایستا را داراست. اما با ترکیب شبکه های عصبی بازگشتی و خود رمزنگار تغییراتی, قابلیت تولید داده های ترتیبی برای این مدل ها نیز فراهم شده است. همچنین نسخه ساختاریافته ای از این مدل ها نیز که منطبق بر سیستم های کنترل است, ارائه خواهد شد. مطالعه انجام شده نشان می دهد که عملکرد این مدل ها با مدل های پیشین و کلاسیک موجود, قابل قیاس است.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button