شبیه سازی مقاله شبکه عصبی 2015

گام 1- مقداردهی به پارامترها که توسط کاربر ازقبل مشخص است.

گام2-مقداردهی تصادفی به پارامترهای غیرخطی در بازه [-1,1]. (در صورتیکه SLFN از تابع فعالسازی سیگموید استفاده نمایداین پارامترها وزنهای اتصال دهنده لایه ورودی به لایه مخفی باضافه بایاس هستند. در صورتیکه SLFN از تابع فعالسازی RBF استفاده نماید این پارامترها شامل مرکز و پهنا می باشند)

گام 3- محاسبه ماتریس خروجی نرونهای مخفی

گام4- محاسبه وزنهای خطی خروجی بارابطه 13

گام5- محاسبه مقدار SSE

که y خروجی مطلوب است و

گام 6- محاسبه ماتریس ژاکوبین غیرخطی

گام7-محاسبه ماتریس Q

گام8- محاسبه رابطه 12

گام 9- محاسبه پارامترهای غیرخطی بصورت  وسپس محاسبه خطای SSE جدید براساس آنها. در صورتیکه میزان خطای جدیدنسبت به قبل کاهش یافته باشد آنگاه پارامترهای غیرخطی را با  بروز مینماییم و فاکتور را با تقسیم بر کاهش می دهیم و به گام بعدی می رویم. در صورتیکه خطای جدید بیشتر از قبل باشد آنگاه فاکتور را با ضرب در افزایش می دهیم و به گام 8 بازمی گردیم.

گام 10- در صورتیکه شرط اضافه کردن نود جدیدبرقرار باشد گامهای 11 تا 19 را اجرا می نماییم در غیر اینصورت به گام 20میرویم.

گام11- پارامترهای نود جدید را بطور تصادفی مقداردهی مینماییم در بازه [-1,1]

گام12- مقدار خروجی های نرون مخفی جدید را به ازای تمام الگوها مخاسبه می نماییم ورابطه زیر را شکل می دهیم

گام 13- مقدار را محاسبه می نماییم

گام14- مقدار رابطه 17 را محاسبه می نماییم

گام15-مقدار رابطه 18 را محاسبه می نماییم

گام16-مقدار a را محاسبه می نماییم

گام17- مقدار b را حساب می نماییم

گام 18- وزنهای خروجی خطی را مخاسبه می نماییم

گام 19- خطای جدید را محاسبه می نماییم

گام 20- شرط توقف را بررسی می نماییم که یکی از جهار شرط ذکر شدهدر قسمت توقف اگر برقرار باشد ساخت و آموزش را متوقف می نماییم وگرنه به گام 6 بازمیگردیم.