Jump to Navigation

کاربرد شبکه هاي بازگشتي در مسائل بهینه سازي

دکتر عبدالرضا میرزائی
کاربرد شبکه هاي بازگشتي در مسائل بهینه سازي
مسئول برگزاری: عبدالرضا میرزایی
محل: سالن اجتماعات دانشکده برق و کامپیوتر / تاریخ: 1395-12-08 / زمان: 1:30 بعدازظهر

از زمان ابداع شبکه عصبي هاپفيلد، شبکه هاي عصبي بازگشتي مورد توجه بسيار قرار گرفته اند و باعث شروع مطالعات بر روي نسل جديد شبکه هاي عصبي شده اند. شبکه هاي عصبي بازگشتي به دليل قابليت پردازش اطلاعات توزيع شده و موازي شان در بسياري از کاربردهاي سنگين محاسباتي و در محيطهاي برخط استفاده شده اند.

يکي از موفق ترين کاربردهاي شبکه هاي عصبي بازگشتي حل مسائل بهينه سازي است. در ابتدا هاپفيلد و تانک يک مدل از شبکه هاي عصبي بازگشتي زمان پيوسته را براي حل مساله فروشنده ي دوره گرد و مساله برنامه ريزي خطي ارائه کردند. از ان زمان مدلهاي زيادي براي حل مسائل بهينه سازي مختلف از بهينه سازي گسسته تا بهينه سازي پيوسته، برنامه ريزي خطي تا بهينه سازي غيرخطي، بهينه سازي محدب تا بهينه سازي غير محدب، پياده سازي نرم افزاري تا پياده سازي سخت افزاري انالوگ و ... ارائه شده است. بر خلاف حل کننده هاي عددي عمومي مسائل بهينه سازي، شبکه هاي عصبي بازگشتي را مي توان با مدارات انالوگ پياده سازي کرد که انها را براي پيدا کردن پاسخ بهينه به مسائل  با ابعاد بالا و پيچيده بسيار کارا مي کند. بنابراين اين مدلها با موفقيت در بسياري از کاربردها مانند کنترل ربات، کنترل بهينه، پردازش تصوير، پيش بيني اقتصادي و بازيابي اطلاعات به کار رفته اند.

در اين سمينار ابتدا مساله بهينه سازي توابع به کمک شبکه هاپفيلد و روشهاي عمومي بهبود ان مطرح شده سپس به کابرد شبکه هاي آشفته در مسائل بهينه سازي پرداخته مي شود. در ادامه يک چارچوب کلي براي شبکه هاي اشفته ارائه مي شود که امکان بررسي ويژگي هاي مهم هر يک از انها و ايجاد زمينه اي براي ارائه مدلهاي جديد را فراهم مي کند.



Seminars | by Dr. Radut

ارتقاء امنیت وب با وف بومی آسپا-وف