|
วิธีการฝึกสอนโครงข่ายประสาทเทียมแบบป้อนผลการคำนวณไปข้างหน้าโดยใช้หลักการสหสัมพันธ์ไขว้น้อยสุด |
|---|---|
| รหัสดีโอไอ | |
| Creator | 1. อัครพันธ์ วงศ์กังแห 2. ดลหทัย กันนัย |
| Title | วิธีการฝึกสอนโครงข่ายประสาทเทียมแบบป้อนผลการคำนวณไปข้างหน้าโดยใช้หลักการสหสัมพันธ์ไขว้น้อยสุด |
| Publisher | คณะวิศวกรรมศาสตร์ มหาวิทยาลัยนเรศวร |
| Publication Year | 2554 |
| Journal Title | วิศวกรรมสาร มหาวิทยาลัยนเรศวร |
| Journal Vol. | 6 |
| Journal No. | 1 |
| Page no. | 1-11 |
| Keyword | Artificial Feedforward Neural Network,Weight Perturbation,Least Cross- Correlation |
| ISSN | 1905-615x |
| Abstract | This paper proposes an algorithm for training the artificial feedforward neural networks (ANN). The least cross-correlation (LCC) principle is applied for optimizing the weights of the neural networks. The weights of the network are perturbed with the Gaussian distribution random vectors. The crosscorrelation matrix between squared-error difference and the perturbation vector is used for weight adjustment. The Exclusive-Or and 3 Bit Parity problems are selected for a primary evaluation of the algorithm. The results show that the LCC can outperform the most of wellknown algorithms but it is inferior to the Levenberg-Marquartd algorithm (LM) for the case of training success which the networks are having 2 to 4 layers. The consistency and generalization properties of the LCC trained networks are much better than that of the LM trained ones. Although they are trained with different initial conditions;the LCC trained networks still produce similar output values when the input vectors are not in the training set. The LCC algorithm can be a promised one for the application of ANN on VLSI circuits including the small memory microcontrollers because it uses very little memory resource in the order of kilobytes. |
