التقريب باستخدام الشبكات العصبية ثابتة الاوزان للدوال في الفضاءات Lp, p<1
Fixed Weighted Neural Networks Lp, p<1, Approximation
- الباحث
- سارة صالح مهدي خلف
- المشرف
- ايمان سمير بهية
- الجامعة
- جامعة بابل
- الكلية / القسم
- كلية التربية للعلوم الصرفة / الرياضيات
- الشهادة
- ماجستير
- السنة
- 2023
- لغة الرسالة
- انكليزي
- الكلمات المفتاحية
- Neural Networks; Lp Spaces; Best Approximation; Fixed Weights
الملخص
تعتبر الشبكات العصبية ادوات حساب انية لاكثر من متغير واحد. هي حسابات خطية بدلالة دوال غير خطية تدعى دوال التنشبط. في دراستنا تعاملنا مع الشبكات العصبية بطبقة مخقية واحدة .حيث قمنا بتقريب اي دالة مقيدة في الفضاء باستخدام شبكة عصبية أمامية ودرسنا درجة التقريب الأفضل لتلك الدوال بدلالة الشبكات العصبية و باستخدام مقياس النعومة من الدرجة . بعدها قمنا بايجاد العلاقة بين درجة التقريب الأفضل و عدد العصبونات في الشبكة العصبية. قدمنا العديد من البحوث لدراسة التقريب الافضل ياستخدام الشبكات العصبية بطبقة مخفية واحدة مقارنة ببحوث قليلة جدا حول شبكات عصبية بطبقتين او اكثر و دالة تنشيط واحدة من النوع السيني. قمنا بتقريب الدوال متعددة المتغيرات في الفضاء باستخدام الدوال العصبية ذات القمم. بعدها وجدنا علاقة بين التقريب المثلثي و التقريب الجبري. ووجدنا العلاقة بين درجة التقريب الأفضل للدوال في الفضاءات باستخدام الشبكات العصبية التي قمنا بتعريفها اعلاه.
Abstract
Neural networks are tools for parallel computation with several variables. It is a linear computation of non- linear functions that we call activation function. We deal with one hidden layer feed forward neural network. We approximate any bounded function from for by a forward neural network, and we find that the degree of the best approximation by this neural network using the order of smoothness. Then, we connect neuron numbers and the degree of the best approximation. Many articles studied best approximation, and many researchers worked on the neural networks approximation by one hidden layer. But little work on multilayers neural networks by 2-hidden layers with sigmoid activation function. We approximate a multivariate real valued functions in quasi normed space by neural networks. We relate the trigonometric approximation, and approximation by periodic networks in . We relate the best polynomial approximation neural network approximation that we shall introduce in our work have.
طلب نسخة من الملف
الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.