پیاده سازی مقاله فازی و شبکه عصبی RBF در متلب
عنوان مقاله :
Improvement of RBF neural networks using Fuzzy-OSD algorithm in
an online radar pulse classification system
سال چاپ : 2013
لینک مقاله : http://dx.doi.org/10.1016/j.asoc.2013.04.021
ترجمه چکیده مقاله :
بهبود شبکه های عصبی RBF با استفاده از الگوریتم fuzzy-OSD در سیستم دسته بندی پالس رادار آنلاین (online radar pulse)
چکیده: در این مقاله متدلوژی جدیدی برای آموزش شبکه های عصبی RBF معرفی و بررسی می شود. این روش جدید، Fuzzy-OSD نامیده می شود که می تواند در اپلیکیشن هایی بکار برده شود که به توانایی بلادرنگ برای آموزش مجدد شبکه های عصبی نیاز دارد. روش پیشنهادی از خوشه بندی فازی برای بهبود قابلیت الگوریتم یادگیری Optimum Steepest Descent (OSD) استفاده می نماید. این بهبود بخاطر مقداردهی اولیه دقیقتر واحدهای RBF با استفاده از الگوریتم خوشه بندی فازی C-Means است که پاسخ شبکه یکسان و بهتری را در تلاشهای آموزشهای مجدد متفاوت نتیجه می دهد. علاوه براین، تنظیم واحدهای RBF در شبکه با دقت بالا کارایی بهتری را در تکرارهای آموزشی کمتر نتیجه می دهد که بویژه در سیستم های بلادرنگ وقتی آموزش مجدد سریع شبکه لازم است ،ضروری است. این روش جدید را در سیستم دسته بندی online radar pulse بکار بردیم که به آموزش مجدد سریع شبکه برای امواج جدید دیده نشده شناسایی شده نیاز دارد. با مقایسه نتایج الگوریتم جدید و روش OSD سه مرحله ای بر روی مسائل ارزیاب از دیتابیسProben1 و همچنین استفاده از آنها در سیستممان، بهبود را در نتایج بدست آوردیم همانگونه که در این مقاله ارائه شده است.
پیاده سازی مقاله فازی و شبکه عصبی RBF در متلب
چکیده لاتین مقاله :
In this paper a new methodology for training radial basis function (RBF) neural networks is introduced and examined. This novel approach, called Fuzzy-OSD, could be used in applications, which need realtime capabilities for retraining neural networks. The proposed method uses fuzzy clustering in order to improve the functionality of the Optimum Steepest Descent (OSD) learning algorithm. This improvement is due to initialization of RBF units more precisely using fuzzy C-Means clustering algorithm that results in producing better and the same network response in different retraining attempts. In addition, adjusting RBF units in the network with great accuracy will result in better performance in fewer train iterations,
which is essential when fast retraining of the network is needed, especially in the real-time systems. We employed this new method in an online radar pulse classification system, which needs quick retraining of the network once new unseen emitters detected. Having compared result of applying the new algorithm and Three-Phase OSD method to benchmark problems from Proben1 database and also using them in our system, we achieved improvement in the results as presented in this paper.
پیاده سازی مقاله فازی در متلب با عنوان
Improvement of RBF neural networks using Fuzzy-OSD algorithm in
an online radar pulse classification system
جهت دریافت پیاده سازی مقاله فازی و شبکه عصبی RBF در متلب با ما تماس بگیرید .
- ترجمه مقاله
- داکیومنت کار انجام شده و شبیه سازی مقاله
- کد شبیه سازی مقاله که قابل اجرا در نرم افزار متلب می باشد
میتوانید بصورت آنلاین دموی شبیه سازی انجام شده را مشاهده کنید:
شماره تماس 09120563264
ایمیل : matlab24ir@gmail.com و یا info@matlab24.ir
