Rangkaian Neural Perseptron Berbilang Lapisan Hibrid Berkelompok Untuk Pengelasan Corak Yang Lebih Balk
Loading...
Date
2009-11
Authors
Wan Mamat, Wan Mohd Fahmi
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Rangkaian neural berdasarkan konsep Perseptron dan Fungsi Asas Jejarian (RBF) sering
digunakan sebagai penge1as corak pintar. Namun, rangkaian neural berasaskan konsep
Perseptron mempunyai kelemahan seperti kadar penumpuan yang perlahan, proses
pencarian pemberat optimum rangkaian yang sering terperangkap di dalam minima
setempat dan sensitif kepada nilai p_embolehubah awalan. Manakala, rangkaian neural
berasaskan konsep RBF berhadapan dengan tiga masalah tipikal seperti fenomena pus at
mati, kehadiran pusat bertindih dan pusat yang terperangkap di dalam minima setempat.
Maka, penyelidikan ini mencadangkan satu seni bina rangkaian. neural baru yang
dinamakan Perseptron Berbilang Lapisan Hibrid Berkelompok atau Clustered-HMLP.
Seni bina rangkaian Clustered-HMLP adalah berasaskan seni bina rangkaian Perseptron
Berbilang Lapisan Hibrid yang diubahsuai melalui penambahan satu lapisan tambahan
yang dinamakan lapisan pusat. Ciri-ciri lapisan pusat diadaptasi daripada rangkaian RBF.
Rangkaian Clustered-HMLP ini dilatih menggunakan satu algoritma pembelajaran baru
iaitu Ralat Ramalan Jadi Semula Ubahsuai Berkelompok atau Clustered-MRPE.
Algoritma Clustered-MRPE merupakan gabungan di antara algoritma pengelompokan
Purata-k Boleh Gerakdan Ralat Ramalan Jadi Semula Ubahsuai yang telah diubahsuai.
Keupayaan rangkaian Clustered-HMLP diuji menggunakan 14 set data penanda aras
UCI. Analisa prestasi menunjukkan, secara keseluruhannya rangkaian Clustered-HMLP
mencatatkan prestasi pengelasan corak terbaik berbanding 12 pengelas pintar
konvensional. Seterusnya, rangkaian Clustered-HMLP te1ah berjaya diaplikasikan untuk
pembinaan Sistem Diagnosis Kerosakan Transformer dan Sistem Pengelasan Sebatian
Seakan Ubat dan Tak Seakan Ubat.
Description
Keywords
Electrical Engineering , Rangkaian neural