| یادگیری نظارت شده با سرپرست مضاعف و رویکرد شبکه عصبی راف برای افزایش تعمیم‌دهی در مدلسازی دینامیک غیرخطی یک کوادروتور |
| کد مقاله : 1264-AERO2024 |
| نویسندگان |
|
اسفندیار باقلانی *1، جعفر روشنی یان2، محمد تشنه لب3 1دانشگاه صنعتی خواجه نصیرالدین طوسی 2دانشگاه صنعتی خواجه نصیرالدین طوسی دانشکده مهندسی هوافضا 3دانشگاه صنعتی خواجه نصیرالدین طوسی دانشکده مهندسی برق |
| چکیده مقاله |
| شبکه‌های عصبی از مهم ترین روش های شناسایی و مدلسازی سیستم های دینامیکی غیرخطی با کمترین اطلاعات و بر مبنای داده های جمع آوری شده هستند. در این کار پژوهشی از یک ایده جدید برای افزایش تعمیم دهی شبکه عصبی در مدلسازی دینامیک غیرخطی سه درجه آزادی یک ربات پرنده استفاده می شود. بر اساس این ایده، در مرحله آموزش با افزایش ابعاد سرپرست آموزش شبکه یا داده های هدف و بازسازی ابعاد اضافه شده در خروجی شبکه و نیز با بهره گیری از نورن های راف در لایه های پنهان شبکه عصبی، قدرت تعمیم دهی شبکه در مدلسازی دینامیک سیستم افزایش می یابد. با استفاده از رویکرد شبکه راف و با کمک یک لایه فازی ساز در ورودی شبکه که از توابع عضویت فازی بهره می برد، ویژگی های فازی داده های ورودی استخراج شده و در کنار ورودی به مسیر پیشخور شبکه وارد می شود که این کار سبب افزایش تعداد پارامترهای آموزش پذیر می شود. این روش افزایش تعداد پارامترها، سبب بهره گیری مطلوب از مزایای وجود سرپرست مضاعف آموزش می شود. نتایج شبیه سازی نشان می دهد که با روش پیشنهادی، قدرت تعمیم شبکه به وضوح افزایش یافته و شاخص میانگین مربعات خطا mse در این روش کاهش چشمگیری دارد. |
| کلیدواژه ها |
| شناسایی سیستم غیرخطی، شبکه عصبی مصنوعی، نورن راف، آموزش باسرپرست، تعمیم دهی شبکه عصبی |
| وضعیت: پذیرفته شده برای ارائه شفاهی |
