ماشین بولتزمان محدود شده‌ی اعداد-Z
کد مقاله : 1239-CFIS (R1)
نویسندگان:
امیر صمدی1، محمدرضا اکبرزاده توتونچی *2
1گروه مهندسی برق، قطب علمی رایانش نرم و پردازش هوشمند اطلاعات، دانشکده مهندسی دانشگاه فردوسی مشهد، ایران
2قطب علمی رایانش نرم و پردازش هوشمند اطلاعات، گروه مهندسی برق، دانشکده مهندسی دانشگاه فردوسی مشهد، ایران
چکیده مقاله:
وجود نایقینی در خیل عظیم اطلاعات موجب چالش در شناسایی سیستم، کنترل سیستم و بطور کلی استفاده از اطلاعات می‌شود. شبکه‌‌های عصبی راهی موفق در پردازش و استخراج ویژگی‌های اساسی اطلاعات هستند و از دیگر سو اعداد-Z چارچوبی یک‌پارچه جهت مواجهه با نایقینی را ارائه می‌دهد. در این پژوهش شبکه‌ی عصبی جدیدی به نام ماشین بولتزمان محدود شده‌ با استفاده از اعداد-Z (ZRBM) معرفی می‌شود. در ZRBM از ماشین بولتزمان محدود شده (RBM) که اساس و شروع شبکه‌های ژرف بوده، و همچنین دارای سرعت یادگیری بالا است، استفاده می‌شود. علاوه‌ براین، RBM امکان یادگیری بر هر سه نوع (نظارتی، نیمه نظارتی و بدون ناظر) را در طیف وسیعی از کاربردها از جمله بازسازی، تخمین، و دسته‌بندی اطلاعات مقدور می‌سازد. همچنین در ZRBM از اعداد-Z که متشکل از دو جز فازی و احتمال (قابلیت اطمینان) است، به عنوان چارچوبی ریاضیاتی برای مدل کردن انواع نایقینی اطلاعات اعم از آماری و غیر آماری استفاده می‌شود. در نهایت جهت بررسی بهتر و نشان دادن عملکرد شبکه‌ی پیشنهادی ZRBM از جهت افزایش مقاومت در برابر انواع نایقینی و دقت، با RBM و ماشین بولتزمان محدود شده‌ی فازی (FRBM) بر روی پایگاه‌های داده‌ی MNIST بررسی می‌شود.
کلیدواژه ها:
ماشین بولتزمان محدود شده؛ اعداد-Z؛ شبکه‌ی عصبی فازی؛ شبکه‌ی عصبی ژرف
وضعیت : مقاله برای ارائه شفاهی پذیرفته شده است