خانه راهنمای خرید پیگیری سفارش پشتیبانی درباره ما تماس با ما
محصولات مرتبط
دانلود قالب پاورپوینت مهندسی کامپیوتر Computer PowerPoint
دانلود قالب پاورپوینت مهندسی کامپیوتر Computer PowerPoint
قیمت : 10,500 تومان
دانلود حل المسائل مهندسی نرم افزار یان سامرویل Ian Sommerville
دانلود حل المسائل مهندسی نرم افزار یان سامرویل Ian Sommerville
قیمت : 50,000 تومان
مقاله بررسی چارچوب های یادگیری عمیق مقیاس پذیر
مقاله بررسی چارچوب های یادگیری عمیق مقیاس پذیر
قیمت : 15,750 تومان
مقاله مروری بر معماری یادگیری عمیق برای تصویربرداری مغز مبتنی بر EEG
مقاله مروری بر معماری یادگیری عمیق برای تصویربرداری مغز مبتنی بر EEG
قیمت : 15,750 تومان

مقاله QRNN: شبکه عصبی تصادفی تعمیم داده‌شده

مقاله QRNN: شبکه عصبی تصادفی تعمیم داده‌شده

عنوان مقاله فارسی: QRNN: شبکه عصبی تصادفی تعمیم داده‌شده

عنوان مقاله لاتین: QRNN: q -Generalized Random Neural Network

نویسندگان: Dusan Stosic; Darko Stosic; Cleber Zanchettin; Teresa Ludermir; Borko Stosic

تعداد صفحات: 13

سال انتشار: 2017

زبان: لاتین


Abstract:

Artificial neural networks (ANNs) are widely used in applications with complex decision boundaries. A large number of activation functions have been proposed in the literature to achieve better representations of the observed data. However, only a few works employ Tsallis statistics, which has successfully been applied to various other fields. This paper presents a random neural network (RNN) with q-Gaussian activation functions [q-generalized RNN (QRNN)] based on Tsallis statistics. The proposed method employs an additional parameter q (called the entropic index) which reflects the degree of nonextensivity. This approach has the flexibility to model complex decision boundaries of different shapes by varying the entropic index. We conduct numerical experiments to analyze the efficiency of QRNN compared with RNNs and several other classical methods. Statistical tests (Wilcoxon and Friedman) are used to validate our results and show that the QRNN performs significantly better than RNNs with different activation functions. In addition, we find that QRNN outperforms many of the compared classical methods, with the exception of support vector machines, in which case it still exhibits a substantial advantage in terms of implementation simplicity and speed.

فایل هایی که پس از خرید می توانید دانلود نمائید

generalized random neural network_1618927382_47659_4145_1343.zip1.85 MB
پرداخت و دانلود محصول
بررسی اعتبار کد دریافت کد تخفیف
مبلغ قابل پرداخت : 15,750 تومان پرداخت از طریق درگاه
انتقال به صفحه پرداخت