بخشی از مقاله

-1 مقدمه

تابع اساسی شعاعی شبکههاي عصبی کاربرد زیادي در طبقهبندي نمونهاي دارد. این مقاله براي شناسایی این مدل از دادهها، بین سه تابع چگالی مشابه به کار میرود.

-2 بیان مسئله

توابع چگالی توزیعهاي وایبل، گاما و لگ نرمال براي ضریب تغییرات یکسان در شکل شبیه هم هستند، و ساختن آن براي مشخص نمودن تفاوت بین این سه چگالی دشوار است.

ما روشی را براي شناسایی چگالی احتمال این سه توزیع با توصیف، و تشخیص اصلاح شبکه تابع اساسی شعاعی - - RBF بر مبنايQLP تجزیه شده براي هر تابع چگالی با میانگین و ضریب تغییرات یکسان ارائه میدهیم.

-3 بحث

چگالیهاي وایبل و گاما در شکل مشابه هستند، و برايC2X 1 - ضریب تغییرات - شکل چگالی لگ نرمال شبیه شکل چگالیهاي وایبل و گاما میباشد. براي حالت C2X 1 چگالیهاي وایبل و گاما در x 0 ماکسیمم دارند.

اکثر نتایج به کوچک شدن میل دارند و بسیاري از نتایج بزرگ تنها بر حسب تصادف رخ میدهند. تفاوتهاي موجود بین چگالیهاي گاما، وایبل و لگ نرمال بیشتر در رفتار دمهاي آنها معنیدار است. بنابراین براي مقادیر داده شده از میانگین و ضریب تغییرات، چگالی لگ نرمال همیشه دم بلند دارد. چگالی گاما دم بلند ثانوي دارد، و چگالی لگ نرمال همیشه یک دم بزرگ دارد. در نمودار 1 این حقایق را با کشیدن چگالیهاي گاما، وایبل و لگ نرمال براي C2X  0/25 تشریح شده است به طوري که - E - X به 1 میل پیدا میکند.

نمودار .1چگالیهاي گاما، وایبل و لگ نرمال

مجمو عهاي از ترکیبهاي ورودي که در این تحلیل به کار برده شدهاند عبارتند از: میانگین، میانه، چارك اول
- Q1 - ، چارك دوم - Q2 - ، برد میان چارکی - iqr - ، ریشه دوم، کشیدگی و چولگی.

1- 3 طرح طبقه بندي کردن شبکه هاي عصبی RBF

شبکه شامل n ترکیب ورودي x، M لایه - یا واحد - پنهان با مرکز C j و Y لایه - یا واحد - خروجی y j  میباشد.

توابع مؤثر در لایههاي - یا واحد هاي - پنهان، توابع گاوسی هستند وبه صورت زیر تعریف میشوند:

2- 3 برآورد عملکرد

1- 2- 3 کلموگروف – اسمیرنف

یک آزمون کلموگروف – اسمیرنف دو نمونهاي براي مقایسه توزیعها از مقادیر در توزیعهاي دو دادهاي D2 ,D1

بهترتیب با طول n2, n1 اجرا میشود. آماره آزمون روي اختلاف بین آنها بنا نهاده شده است. فرضیه صفري وجود دارد که جمعیت داراي توابع توزیع یکسان است. در اینجا، هر جفت از توزیعهاي وایبل در مقابل لگ نرمال، وایبل در مقابل گاما، و لگ نرمال در مقابل گاما هستند.

2- 2- 3 میزان خطاي آشکار APER

ما میخواهیم عملکرد کلی RBF طبقهبندي شده کاهشی که به نتیجهي نسبتاً خوب میل پیدا میکند را بیابیم. یک شیوه طبقهبندي خوب میتواند به تعداد کمی طبقهبندي نادرست منتج شود. میزان خطاي آشکار - - Aper کسري از
مشاهداتk در  k مجموعه آزمون  است که توسط RBFهاي کاهشی نادرست طبقهبندي شدهاند.
که  Ni  تعداد مشاهدات در احتمالات i ام، i=1 , 2 , 3 سه حالت خاص، وni  تعداد دفعات طبقهبندي نادرست در احتمالات دیگر غیر از .i

3- 2- 3 میزان طبقه بندي صحیح- CCR

صحت شیوه طبقهبندي کاهشی RBF نیز میتواند با محاسبهي میزان طبقهبندي صحیح از معادلهي زیر اندازهگیري شود: .CCR 1‐Aper این آزمون معرف این فقره در مجموعه آزمونی که بهطور صحیح طبقهبندي شدهاند، می-
باشد. این اندازه به مدل اولیه توزیع وابسته نیست، همچنین میتواند براي هر شیوه طبقهبندي محاسبه شود.

3- 3 نتایج تجربی

1-3-3 توزیع وایبل در مقابل توزیع لگ نرمال

توزیع وایبل یک کشیدگی کوچک در مقایسه با توزیع لگ نرمال ارائه میدهد. 2-3-3 توزیع گاما در مقابل توزیع لگ نرمال

. کشیدگی روي اندازهاي از دمهاي توزیعها بنا نهاده شده است و چولگی مقدار خیلی معنیداري در مقایسه با توزیع وایبل ارائه میدهد. این تفاوتهاي بامعنی معقولانه بین توزیعهاي گاما ولگ نرمال در دمها نشان داده شده است. بنابراین بیشتر تفاوتهاي معنیدار بین چگالیهاي گاما، وایبل و لگ نرمال در رفتار دمهاي آنها توجیه شده است.

3- 3- 3 توزیع گاما در مقابل توزیع وایبل

در این حالتها آمارههاي مشخصه اصلی براي مشتق گرفتن بین چگالیهاي گاما در مقابل لگ نرمال و وایبل در مقابل لگ نرمال، وجود دارند و چولگی و کشیدگی تفاوتهاي بهتري در مقایسه با توزیع لگ نرمال دارند.

-4 نتیجه

در این مقاله، یک ایده ساده با استفاده از RBF کاهشی براي شناسایی مشخصه هاي میان سه چگالی قابل استفاده است.

در متن اصلی مقاله به هم ریختگی وجود ندارد. برای مطالعه بیشتر مقاله آن را خریداری کنید