| ارزیابی تطبیقی الگوریتمهای آموزش شبکه عصبی پرسپترون چندلایه در شناسایی و مدلسازی سیستمهای دینامیکی غیرخطی |
| کد مقاله : 1137-ISME2026 |
| نویسندگان |
|
نگین سادات حسینی نوید *، محمدمهدی سلطانی پژوهشگر |
| چکیده مقاله |
| مدلسازی سیستمهای غیرخطی یکی از چالشهای اساسی در مهندسی مکانیک و کنترل است. در این مقاله، از شبکههای عصبی پرسپترون چندلایهبرای شبیهسازی یک سیستم دینامیکی غیرخطی تکورودی-تکخروجی استفاده شده است. سه الگوریتم آموزشی لوینبرگ-مارکوارت ، انتشار مقاوم و گرادیان مزدوج مقیاسشده از نظر دقت مدل، پایداری یادگیری و زمان آموزش با یکدیگر مقایسه شدهاند. دادهها به سه مجموعه آموزش، اعتبارسنجی و آزمون تفکیک شده و شاخصهای میانگین مربعات خطا و میانگین مربعات خطا برای ارزیابی عملکرد بهکار گرفته شدهاند. نتایج نشان میدهد الگوریتم انتشار مقاوم، در ترکیب با ساختارهای سهلایه، بهترین توازن را میان دقت بالا و رفتار پایدار یادگیری برای سیستم غیرخطی مورد بررسی فراهم میکند. یافتههای این تحقیق میتواند بهعنوان راهنمایی عملی برای انتخاب الگوریتم آموزش و ساختار شبکه در مدلسازی سیستمهای غیرخطی مورد استفاده قرار گیرد. |
| کلیدواژه ها |
| شبکه عصبی پرسپترون چندلایه،سیستمهای غیرخطی،الگوریتمهای آموزش شبکه عصبی،شبیهسازی دینامیکی،میانگین مربعات خطا |
| وضعیت: پذیرفته شده برای ارائه شفاهی |