light box
امتیاز 2.93 گراف‌های پدیداری مولتی پلکس برای بررسی پویایی شبکه عصبی بازگشتی">

نوع فایل : word
تعداد صفحات : 34
تعداد کلمات : 10800
مجله : Scientific RepoRts
انتشار : 2017
ترجمه متون داخل جداول : ترجمه شده است
درج جداول در فایل ترجمه : درج شده است
منابع داخل متن : به صورت فارسی درج شده است
کیفیت ترجمه : طلایی
دسته بندی :
برچسب ها : ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ،

عنوان فارسی مقاله:گراف‌های پدیداری مولتی پلکس برای بررسی پویایی شبکه عصبی بازگشتی

 چکیده  

شبکه عصبی بازگشتی (RNN) یک تقریب گر (تخمین زننده) جهانی سیستم‌های دینامیکی است که عملکرد آن اغلب به ابرپارامترهای حساس بستگی دارد. تعدیل و تنظیم صحیح آنها ممکن است دشوار باشد و معمولاً براساس یک رویه آزمون و خطا انجام می‌شود. در این کار، ما یک چارچوب مبتنی بر گراف را برای تفسیر و توصیف پویایی داخلی یک کلاس از RNN ها به نام شبکه‌های حالت اکو (ESN) اتخاذ می‌کنیم. ما روشهای اصولی نظارت نشده را برای بدست آوردن پیکربندی‌های ابر پارامترهای با حداکثر عملکرد ESN طراحی می‌کنیم، که از نظر خطای پیش بینی و ظرفیت حافظه بیان می‌شود. به طور خاص، ما پیشنهاد می‌کنیم سری‌های زمانی تولید شده توسط هر فعال سازی نورون را با یک گراف پدیداری افقی مدل سازی کنیم، که نشان داده شده است ویژگی‌های توپولوژیکی مربوط به پویایی سیستم اساسی است. گراف‌های پدیداری افقی مرتبط با همه نورون‌ها به لایه‌هایی از یک ساختار بزرگتر موسوم به مالتی پلکس تبدیل می‌شوند. ما نشان می‌دهیم که خصوصیات توپولوژیکی چنین مالتی پلکس، ویژگی‌های مهم پویایی ESN را نشان می‌دهد که می‌تواند برای تنظیم ابرپارامتر های آن استفاده شود. نتایج بدست آمده از چندین معیار و یک مجموعه داده واقعی از داده‌های تماس تلفنی، تأثیر روشهای پیشنهادی را نشان می‌دهد(بررسی پویایی شبکه عصبی بازگشتی).

Title: Multiplex visibility graphs to investigate recurrent neural network dynamics

Abstract

 A recurrent neural network (RNN) is a universal approximator of dynamical systems, whose performance often depends on sensitive hyperparameters. Tuning them properly may be difficult and, typically, based on a trial-and-error approach. In this work, we adopt a graph-based framework to interpret and characterize internal dynamics of a class of RNNs called echo state networks (ESNs). We design principled unsupervised methods to derive hyperparameters configurations yielding maximal ESN performance, expressed in terms of prediction error and memory capacity. In particular, we propose to model time series generated by each neuron activations with a horizontal visibility graph, whose topological properties have been shown to be related to the underlying system dynamics. Successively, horizontal visibility graphs associated with all neurons become layers of a larger structure called a multiplex. We show that topological properties of such a multiplex reflect important features of ESN dynamics that can be used to guide the tuning of its hyperparamers. Results obtained on several benchmarks and a real-world dataset of telephone call data records show the effectiveness of the proposed methods.

 

ثبت دیدگاه

    • دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
    • پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
    • پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.

برای ارسال دیدگاه شما باید وارد سایت شوید.

محصولات مشابه
بررسی فناوری بلاک چین در تجارت بین المللی.مهندسی مجدد فرایند کسب و کار برای اعتبارنامه
خـریـد محـصـول
قرارداد ببندیم یا نبندیم: نگرش از طریق روایت مالیات و هزینه
خـریـد محـصـول
هوش اعتباری: نوآوری در مدیریت برند از طریق داده های رسانه های اجتماعی
خـریـد محـصـول
تجویز آستاکسانتین به عنوان یک داروی نوروپروتکتیو مناسب برای درمان امراض نورولوژیک
خـریـد محـصـول
مقایسه بانک‌های محلی، ملی و بین المللی از نظر ارزیابی اثر منابع ارتباطی
خـریـد محـصـول
یکپارچگی لاینفک روح و جسم: نظریه و چشم انداز مکتب سایکوسوماتیک پاریس
خـریـد محـصـول
تجزیه و تحلیل ریسک بدهی شرکت های غیر مالی با استفاده از شبکه های دو لایه ای
خـریـد محـصـول
دسته بندی اطلاعات و داده‌ها با استفاده از ماشین بردار پشتیبان
خـریـد محـصـول
استفاده از روش های نوین برای پیاده سازی روان درمانی اینترنتی
خـریـد محـصـول
استفاده از آزمون‌های برشی برای سنجش مقاومت و استحکام خاک
خـریـد محـصـول
ثبت اختراع یا انتشار مقاله

در اولین مرحله از شروع یک تحقیق جدید نیاز است منابع مختلفی جستجو شود تا جدید بودن ایده مورد بررسی قرار گیرد. یکی از بهترین منابع جهت جستجو، لیست اختراع های ثبت شده است. پایگاه های جستجوی پتنت به محقق کمک میکند پیشینه تحقیق خود را مورد بررسی قرار دهد تا مطمئن شود کار تکراری انجام نمیدهد. لیست اختراعات ثبت شده در اداره ثبت اختراعات ایران دارای طبقه بندی های متفاوتی است. در طبقه بندی بین المللی B که شامل اختراعات حوزه نیاز ها بشری شامل عملیات اجرایی، حمل و نقل شامل: کشتیرانی، ترابری و دیگر موارد را میتوانید در پایگاه جستجوی دارایی های فکری دارکوب مشاهده کنید.

ثبت اختراع یا انتشار مقاله کدام اول باید انجام شود؟ پژوهشگران منابع مالی و غیر مالی بسیاری را صرف انجام تحقیقات و پژوهش ها میکنند و امکان دارد تعدادی از آنها تبدیل به دستاوردها و فناوری های نو گردد. محققان این نتایج را به سرعت در مقالات علمی ملی و بین المللی منتشر و به آن افتخار میکنند. اما باید مد نظر داشت، چنانچه دستاورد پژوهشی امکان تبدیل شدن به یک محصول یا فرآیند قابل استفاده و تولید در صنعت را داشته باشد، هر گونه انتشار عمومی از جمله مقاله باعث از دست رفتن شرط جدید بودن و در نتیجه عدم امکان ثبت فناوری به عنوان اختراع خواهد شد.

در نتیجه محققان و پژوهشگران باید پیش از هرگونه افشاء عمومی آن دسته از نتایج تحقیقاتی که شرایط ثبت اختراع را دارا می باشد به صورت اظهارنامه اختراع در اداره مربوطه ثبت و سپس نسبت به انتشار آنها اقدام کنند. امکان دارد مراحل ثبت اختراع چندین ماه به طول بیانجامد که انتشار مقاله (و مانند آن) پس از تاریخ ثبت اظهارنامه اختراع مشکلی را در فرآیند ثبت اختراع بوجود نمی آورد.

از آنجا که برخی دستاورد ها مانند روشهای تشخیص بیماری و نوآوری های مدیریتی قابلیت ثبت اختراع بین المللی و ملی را ندارند، محققان بدون نگرانی میتوانند انتشار در مقالات داخلی و خارجی را به عنوان اولین گزینه جهت کسب افتخار دست یابی به این قبیل پژوهشها انتخاب کنند.

 
برو بالا