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).
- لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.