تحقیق درباره طراح دوربین های سرعت سنج داخلی

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 10

گفت وگو با دکتر امیراحمد سپهری، طراح دوربین های سرعت سنج داخلی

ابزاری برای پایش جاده های کشور

عکس ها: مسعود خامسی پورمهدی صارمی فر[e-mail]دکتر امیر احمد سپهری - دوربین های ساخت متخصصان داخلی در مورد سیستم های کنترل ترافیک قابل رقابت با تمام نمونه های خارجی است

* دوربین های سرعت سنج چه زمانی وارد سیستم کنترل ترافیک شدند؟- دوربین های سرعت سنج تکنولوژی روز دنیا را دارند. البته 20 یا 30 سال است که انواع این دوربین ها به کار می رود. یک انقلاب صنعتی در دهه 1980 داشتیم به نام انقلاب فناوری اطلاعات . مظهر این انقلاب، بروز کامپیوترهای شخصی بود. اولین PCها ، 8086 بود که پردازنده آپولو 11 روی آن قرار داشت. دهه 1990 هم انقلاب ارتباطات و مخابرات بی سیم واقع شد. فکس و مودم بسیار ارزان شدند و در اختیار عموم قرار گرفتند. به این ترتیب ICT به وجود آمد. یعنی فناوری اطلاعات و ارتباطات در هم ادغام شد. این دوربین سرعت سنج هم از تکنولوژی رادار استفاده می کند.* قبلاً  با تکنولوژی رادار آشنا بودید؟- من افسر نیروی دریایی بودم. در دوران تحصیل در اروپا و آمریکا و همین طور در ایران، در زمینه رادار کار کردم. در 1356 اولین کتاب جنگ الکترونیک را نوشتم.* چرا سراغ دوربین سرعت سنج رفتید؟- چون تعداد کشته های جاده ای و تصادفات رانندگی خیلی زیاد است، چهار سال قبل با همکاری دانشکده های ریاضی و علوم کامپیوتر مهندسی برق دانشگاه صنعتی امیرکبیر و تجربیاتی که از قبل داشتیم، تصمیم گرفتیم که دوربین سرعت سنج با بهره گیری از تکنولوژی رادار را بسازیم.* این دوربین در دانشگاه ساخته شد؟- چند مرکز تحقیقاتی بیرون دانشگاه به همراه این چند دانشکده در دانشگاه صنعتی امیرکبیر با هم همکاری کردند تا این دوربین سرعت سنج ساخته شد.* نتایج کار چه طور بود؟- وقتی اولین تست ها روی دوربین انجام شد، این محصول برنده بهترین محصول نیروی انتظامی شد و از طرف دکتر قالیباف هم جایزه ای به ما اهدا شد.* دوربین های سرعت سنج از چه زمانی وارد سیستم پلیس دنیا شد؟- حدود 20 سال قبل در اروپا متداول شد و 10 سال است که در آمریکا نصب شده. سیستم های قدیمی چون از فیلم استفاده می کردند و آنالوگ بودند، خیلی گران بودند. اما الآن حدود 6 یا 7 سال است که از دوربین های دیجیتال در این سیستم ها استفاده می شود.* آیا تأثیر این دوربین ها در ترافیک سنجیده شده است؟- بله. آمار نشان داده که این دوربین ها حدود 30 درصد از تصادفات را کم می کند. امسال در فرانسه هزار دستگاه نصب شده است و این اهمیت موضوع را نشان می دهد.* در ایران چه طور؟- سال گذشته حدود 30 هزار نفر در تصادفات رانندگی در ایران از بین رفتند. اگر ما با این دوربین ها 30 درصد از این آمار کم کنیم، مثلاً  برسانیم به 20 هزار کشته، فقط پول دیه این تعداد، حدود 300 میلیارد تومان می شود؛ گذشته از جنبه های انسانی قضیه که غیرقابل محاسبه است.* چند نوع تکنولوژی در این دوربین ها هست؟- این سیستم ها 4 گروه هستند: رادار، لوپ، لیزر  و تصویر ویدیویی. ساختار لوپ و رادار یکی است. برای سرعت سنج های لوپ، باید جاده کنده شود. برای همین این سیستم دارد از رده خارج می شود. لیزر برای کارهای خاصی به کار می رود و سیستم ویدیویی هم هنوز در حال تکمیل است. در بسیاری از موارد تا 150 کیلومتر بیشتر را جواب نمی دهد. ویدیویی خیلی جای پیشرفت دارد، اما جای رادار را نمی تواند بگیرد. مثلاً  در شب مشکل دارد.* دوربین شما از چه نوعی است؟- سیستم ما راداری است. * چه اجزایی دارد؟- رادار، پخش ضبط تصاویر، دوربین و هماهنگی بین این بخش ها و انتقال به یک سیستم خارجی.* این انتقال از چه راهی است؟- هم سیستم بی سیم و هم خطوط ADSL . بستگی دارد که آن نقاط چه طور به مخابرات وصل باشند. * در حال حاضر این سیستم ها در کشور نصب شده است؟- بله. البته در حال حاضر مأموران نیروی انتظامی باید به نزدیک دستگاه بروند تا بتوانند اطلاعات را خارج کنند. اما اگر خطوط ADSL وصل شود، می توان از یک مرکز کنترل، همه اطلاعات را از دوربین ها خارج کرد و تنظیمات مختلف مثل سرعت در روز، سرعت در شب و ... را انجام داد.* اصول فیزیکی این سیستم چیست؟- پدیده ای در فیزیک داریم به اسم پدیده دوپلر؛ به این ترتیب که وقتی موجی به سمت یک جسم فرستاده شود، موج برگشتی بر حسب این که جسم با چه سرعتی حرکت می کند، فرکانسش تغییر می کند. مثلاً  اگر جسم دور شود، فرکانس کم می شود و اگر نزدیک شود، فرکانسش زیاد می شود.* روی ماشین پلیس هم نصب می شود؟- بله. سیستم کلی همین است. می توان با کمی دست کاری، آن را روی ماشین پلیس نصب کرد.* طراحی کلی سخت افزار، ایرانی است؟- ما قطعات را وارد کرده ایم، اما مهندسی و طراحی کلی سیستم توسط خودمان انجام شده است.* چه قطعاتی وارد می شود؟- دوربین ، IC ها و ... اینها وارد می شود. اما مهم طراحی و مهندسی سیستم است که کار خودمان است.* چند درصد؟- می توان گفت که اگر کار مهندسی ما را از این سیستم حذف کنیم، فقط 30 درصد باقی می ماند.

تحقیق درباره دوربین کنترل سرعت

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 2

دوربین کنترل سرعت

این دوربین ها به دو روش راداری و لیزری کار می کنند. البته تقریبا تمام دوربین های کنترل سرعت در ایران

به روش لیزری کار می کنند که 90 درصدشون ساخت آلمان ومابقی مارک ساژم دارند. این دوربین ها از 2

قسمت نرم افزاری و سخت افزاری تشکیل شده که قسمت سخت افزاری کار دریافت عکس و قسمت نرم افزاری

کار ویرایش همزمان رو انجام می ده. سرعت سنج رادیویی ترکیبی از یک فرستنده و گیرنده رادیویی است که

درون دستگاهی قرار گرفته اند .این دستگاه موج رادیویی تقویت شده ای را ارسال می کند ومنتظر بازتاب آن

بماند.با توجه به اینکه امواج الکترومغناطیسی با سرعت ثابتی(سرعت نور) در هوا حرکت می کنند،رادار بر

اساس مدت زمانی که طول می کشد تا سیگنال رادیویی بازتابیده به دستگاه برسد،فاصله شی تا دستگاه را محاسبه

خواهد کرد.رادار علاوه بر این،می تواند بر اساس پدیده ای بنام:اثر دوپلر(DOPPLER) سرعت هدف متحرک

را نیز اندازه گیری کند.

در سالهای اخیر دستگاههای کنترل سرعت به جای امواج رادیویی بر اساس نور کار می کنند.در واقع عنصر

اساسی در این دستگاه موسوم به لیدار(LIDAR)،نور متمرکز لیزر است.لیدار هم مثل رادار با محاسبه زمان

رسیدن نور فروسرخ بازتابیده از اتومبیل و ضرب این عدد در سرعت نور،فاصله شی تا دستگاه را محاسبه می

کند.لیدار رگباری از لیزر فروسرخ را در زمان بسیار کوتاهی به سوی اتومبیل در حال حرکت روانه می کند تا

بتواند مجموعه ای از فواصل بین اتومبیل و دستگاه به دست آورد،سپس این سیستم با مقایسه نمونه های فواصل

مختلف می تواند سرعت اتومبیل را محاسبه کند.با توجه به اینکه لیدار در مدت کمتر از نیم ثانیه حدود چند صد

نمونه فاصله تهیه می کند،دقت محاسبه آن بینهایت زیادست.لیدار هم مانند انواع راداری می تواند دستی،قابل حمل

یا خودکار و قابل نصب در بزرگراهها باشد.در نمونه های خودکار،پرتو لیزر تحت زاویه ای تابیده می شود تا

تمام عرض بزرگراه را پوشش دهدپس از آنکه راننده ای خاطی تشخیص داده شد،سیستم دوربین عکاسی کوچکی را

به کار می اندازد که تصویر پلاک اتومبیل را ثبت می کند.

راه حل برای فرار از این دوربین ها

برای دوربین هایی که به روش رادار کار می کنند می توان به وسیله یک فرستنده امواج رادیویی سیگنال های

پارازیتی تولیدکرد که با ایجاد نویز در امواج دریافتی پلیس باعث می شود آنها قادر به تشخیص درست سرعت

اتومبیل نباشند.

و برای دوربین های که با لیزر کار می کنند استفاده از صفحه های حساس به نور و پوشاندن پلاک با ماده ای

پلاستیکی که میزان بازتابندگی در برابر نور را کاهش می دهد از جمله روشهای دیگر استفاده از دیود های

نورافشان(LED) از پیشرفته ترین روش ها باشد.در این سیستم ابتدا راننده به کمک صفحه حساس به نور از

وجود دوربین کنترل سرعت بیدار آگاه می شود سپس با تابش پرتو نوری از دیودهای نورافشان به لیدارباعث

کور شدن دستگاه شده و در نتیجه دستگاه چیزی را ثبت نمی کند. البته اگر به این سیستم ها هم مجهز نبودید

می توانید با دو سه بار روشن و خاموش کردن چراغ اتومبیل خود راه گریزی داشته باشید (البته این راه به وسیله چند نفر امتحان شده).

مقاله درمورد ارتباط افزایش حافظه اصلی با سرعت کامپیوتر

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 11

ارتباط افزایش حافظه اصلی با سرعت کامپیوتر   آیا سرعت اجرای برخی برنامه ها بر روی کامپیوتر شما پائین است ؟ برای حل مشکل بدنبال چه راهکاری هستید ؟ آیا فکر می کنید اگر حافظه کامپیوتر خود  را افزایش دهید ، سرعت اجرای برنامه ها بهبود پیدا می نماید ؟  با مطالعه ایـن مطلب شاید پاسخ به سوالات فوق ، مشخص گردد. افزایش حافظه اصلی کامپیوتر ( RAM ) ، باعث افزایش سرعت برخی عملیات در کامپیوتر می شود (واقعیتی انکار ناپذیر) . RAM یکی از مهمترین عناصر سخت افزاری موجود در کامپیوتر است که سیستم های عامل برای مدیریت بهینه  آن جایگاهی خاص را در نظر می گیرند . زمانی که یک برنامه کامپیوتری نظیر یک واژه پرداز و یا برنامه ای نظیر مرورگرهای وب را اجراء می نمائید ، ریزپردازنده موجود در کامپیوتر ، فایل اجرائی حاوی برنامه را از محل استقرار دائم ( هارد دیسک ) به درون حافظه اصلی کامپیوتر ، مستقر می نماید( فرآیند معروف Loading ). حجم فایل اجرائی برخی از برنامه ها نظیر Word و یا Excel  به پنج مگابایت می رسد. ریزپردازنده ، همچنین در این زمینه تعداد زیادی فایل های DLL مشترک ( dynamic link libraries ) ( بخش هائی از کدهای به اشتراک گذاشته شده توسط چندین برنامه ) را به درون حافظه منتقل می نماید  . فایل های DLL ممکن است بین بیست تا سی مگابایت ظرفیت داشته باشند . در ادامه ریزپردازنده فایل های حاوی داده مورد نیاز یک برنامه را که ممکن است چندین مگابایت باشند را نیز در حافظه مستقر می نماید ( میزان داده مستقر شده در حافظه به نوع برنامه و عملیاتی که انجام می دهد ، بستگی دارد ) . با توجه به موارد فوق ، یک برنامه معمولی به فضائی معادل چندین مگابایت ( مثلا" بین ده تا سی مگابایت ) به منظور اجراء نیاز خواهد داشت . فرض کنید  که نرم افزارهای زیر بر روی کامپیوتر شما در حال اجراء می باشند : 

 یک واژه پرداز

یک صفحه گسترده

یک برنامه گرافیکی

سه تا چهار پنجره فعال ویندوز

علاوه بر برنامه های فوق ، سیستم عامل خود به تنهائی فضای زیادی را اشغال خواهد کرد . برنامه های فوق به فضائی بین یکصد تا یکصد و پنجاه مگابایت نیاز خواهند داشت ، ولی ممکن است کامپیوتر شما صرفا" دارای مثلا" شصت و چهار مگابایت حافظه باشد . فضای اضافی توسط مدیر حافظه مجازی ( VMM )  ایجاد می گردد . VMM با جستجو در حافظه ، محلی را که در آن لحظه مورد نیاز نمی باشد را پیدا نموده  و بخش های فوق را در یک فایل Swap  بر روی هارد دیسک ذخیره می نماید. مثلا" در صورتی که برنامه پست الکترونیکی ( نظیر outlook ) فعال شده باشد و به مدت زمان مشخصی (مثلا" 45 دقیقه)  از آن استفاده نمی گردد ، VMM ، تمامی عناصر تشکیل دهنده فایل اجرائی مربوط به برنامه پست الکترونیکی را بهمراه فایل های DLL و داده  بر روی هارد دیسک منتقل می نماید . به فرآیند فوق،  Swapping out برنامه گفته می شود . در ادامه و زمانی که بر روی برنامه پست الکترونیکی کلیک می گردد ، VMM ، مجددا" تمامی اطلاعات مربوط به برنامه را از هارد دیسک خوانده و آنان را با برنامه دیگری که موجود در حافظه می باشد و از آن استفاده نمی گردد ، جایگزین می نماید . با توجه به این واقعیت که سرعت هارد دیسک نسبت به RAM کمتر می باشد ، فرآیند  "جایگزینی اطلاعات "  زمان خاص خود را داشته و عموما" این فرآیند با تاخیر انجام می شود . در صورتی که شما دارای حجم اندکی حافظه می باشید ( مثلا" شانزده مگابایت ) ، VMM همواره و با فرکانس بیشتری اقدام به عملیات جایگزینی اطلاعات نموده و سرعت کامپیوتر بطرز کاملا" محسوسی کاهش خواهد یافت . در صورتی که کامپیوتر شما دارای 256 مگابایت حافظه می باشد ، VMM دارای فضای لازم بوده و فرآیند جایگزینی با فرکانس کمتری انجام شده و یا حضور آن چندان محسوس نباشد . در چنین مواردی با افزودن حافظه ، تاثیر بسیار زیادی در سرعت سیستم را مشاهده نخواهیم کرد . برخی از برنامه ها ( نظیر فتوشاپ ، اکثر کمپایلرها ، اکثر برنامه های ویرایش فیلم و انیمیشن ) نیازمند حجم بسیار بالائی از حافظه به منظور انجام عملیات خود می باشند. در صورتی که این نوع برنامه ها را بر روی کامپیوتری که دارای حجم اندکی از حافظه است ، اجراء نمائید ، فرآیند جایگزینی بطور دائم انجام و سرعت اجرای این نوع  برنامه ها ، مطلوب نخواهد بود . با افزودن حافظه به سیستم و  بهینه سازی فرآیند جایگزینی ( و یا حذف آن ) ، برنامه های فوق با سرعت بالائی اجراء می گردند

 تاثیر حافظه اصلی بر کارآئی سیستم در هر کامپیوتر از مجموعه ای منابع سخت افزاری و  نرم افزاری استفاده می گردد که هر یک دارای جایگاه مختص به خود می باشند . سیستم عامل ،‌ مسئولیت مدیریت منابع موجود در یک کامپیوتر را برعهده دارد . مجموعه پتانسیل های سخت افزاری و نرم افزاری موجود و نحوه مدیریت آنان توسط سیستم عامل ، میزان مفید بودن و کارآئی یک کامپیوتر را مشخص می نماید. حافظه اصلی ( RAM ) یکی از مهمترین منابع سخت افزاری موجود در کامپیوتر است که با توجه به نقش محوری آن در اجرای برنامه های کامپیوتری ، همواره در معرض پرسش های فراوانی از جانب کاربران کامپیوتر است. به عنوان نمونه ، شاید این سوال برای شما نیز مطرح شده باشد که  تاثیر افزایش حافظه اصلی بر سرعت کامپیوتر چیست و در صورت افزایش حافظه اصلی ، آیا کارائی سیستم نیز به همان میزان افزایش خواهد یافت ؟ در این مطلب به بررسی این موضوع خواهیم پرداخت که چرا حافظه اصلی دارای یک نقش مهم  و غیرقابل انکار در کارائی سیستم است . ادامه بحث را با در نظر گرفتن دو فرضیه دنبال می نمائیم . اول این که بر روی کامپیوتر از یکی از نسخه

مقاله درباره سرعت سنج لیزری

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 1

سرعت سنج لیزری (ترجمه از مسعود مشکین)  

اگر شما مقاله " رادار چگونه کار می کند " را کامل خوانده باشید ، متوجه می شوید که رادار معمولی چگونه عمل می کند. بدین صورت که دستگاه رادار عادى یک پالس رادیویى را صادر می کند و منتظر انعکاسش می ماند . سپس انتقال دوپلر را در سیگنال اندازه می گیرد و از آن استفاده می کند تا سرعت را تعیین کند. (پدیده دوپلر)

سرعت سنج لیزری به جای اینکه انتقال دوپلر را حساب کند از یک روش مستقیم تر که بستگی به زمان بازتاب نور دارد استفاده می کند . احتمالا زمان بازتاب امواج صوتى را در قالب یک پژواک تجربه کرده‌اید. براى مثال ، اگر شما درون یک چاه یا میان یک دره فریاد بکشید ، صدا مقدار قابل توجهی زمان می برد که به ته چاه برسد  و دوباره به  گوش شما بازگردد . صوت چیزی در حدود  1000  فوت را  (304  متر) در یک ثانیه طی می کند ، بنابراین یک چاه عمیق یا یک دره یِ عریض زمان محسوسی برای رفت و برگشت صدا به وجود می آورد .

سرعت سنج لیزری زمان رفت و برگشت را براى نور اندازه می گیرد که به یک خودرو برخورد می کند و به سمت سرعت سنج باز می گردد . نور منتشر شده از یک سرعت سنج لیزری خیلی سریع تر از صوت حرکت می کند-- حدود  984000000  فوت در ثانیه(300000000  متر در ثانیه ) یا حدود  1  فوت(30.4  سانتیمتر) در نانو ثانیه(یک میلیاردیوم ثانیه). سرعت سنج براى یک رفت برگشت تعداد نانو ثانیه ها را می شمارد و با تقسیم کردن بر  2  می تواند فاصله تا خودرو را محاسبه کند . اگر سرعت سنج  1000  نمونه گیری در هر ثانیه انجام دهد می تواند تغییر فاصله بین دو نمونه برداری را با هم مقیاسه و سرعت خودرو را محاسبه کند. دقت می تواند با جند صد نمونه گیری روی مسیر در یک سوم ثانیه ( یا در همین حدود ) خیلی بیشتر شود. 

.

.

مزیت یک سرعت سنج لیزری (براى پلیس ) آن است که اندازه ی مخروط نور منتشر شده از سرعت سنج خیلی کوچک است ، حتی در محدوده ی  1000  فوتی  (300  متری). امکان دارد قطر مخروط در این فاصله  3  فوت( یک متر) باشد . این مزیت به سرعت سنج این اجازه را می دهد که یک وسیلیه ی نقلیه مشخص را هدف گیری کند. بنا براین سرعت سنج لیزری بسیار دقیق است. اشکال این وسیله آن است که افسر پلیس مجبور است سرعت سنج لیزری را هدف گیری کند-- رادار عادی پلیس بوسیله یک پرتوی راداری وسیع می تواند بدون نشانه گیری تغییر مکان دوپلری را آشکار کند .

دانلود تحقیق درباره بهبود سرعت یادگیری شبکه های عصبی 27ص (علوم انسانی-روانشناسی)

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 24

مقدمه

شبکه های عصبی چند لایه پیش خور1 به طور وسیعی د ر زمینه های متنوعی از قبیل طبقه بندی الگوها، پردازش تصاویر، تقریب توابع و ... مورد استفاده قرار گرفته است.

الگوریتم یادگیری پس انتشار خطا2، یکی از رایج ترین الگوریتم ها جهت آموزش شبکه های عصبی چند لایه پیش خور می باشد. این الگوریتم، تقریبی از الگوریتم بیشترین تنزل3 می باشد و در چارچوب یادگیری عملکردی 4 قرار می گیرد.

عمومیت یافتن الگوریتمBP ، بخاطر سادگی و کاربردهای موفقیت آمیزش در حل مسائل فنی- مهندسی می باشد.

علیرغم، موفقیت های کلی الگوریتم BP در یادگیری شبکه های عصبی چند لایه پیش خور هنوز، چندین مشکل اصلی وجود دارد:

- الگوریتم پس انتشار خطا، ممکن است به نقاط مینیمم محلی در فضای پارامتر، همگرا شود. بنابراین زمانی که الگوریتم BP همگرا می شود، نمی توان مطمئن شد که به یک جواب بهینه رسیده باشیم.

- سرعت همگرایی الگوریتم BP، خیلی آهسته است.

از این گذشته، همگرایی الگوریتم BP، به انتخاب مقادیر اولیه وزنهای شبکه، بردارهای بایاس و پارامترها موجود در الگوریتم، مانند نرخ یادگیری، وابسته است.

در این گزارش، با هدف بهبود الگوریتم BP، تکنیک های مختلفی ارائه شده است. نتایج شبیه سازیهای انجام شده نیز نشان می دهد، الگوریتم های پیشنهادی نسبت به الگوریتم استاندارد BP، از سرعت همگرایی بالاتری برخوردار هستند.

خلاصه ای از الگوریتم BP

از قانون یادگیری پس انتشار خطا (BP)، برای آموزش شبکه های عصبی چند لایه پیش خور که عموماً شبکه های چند لایه پرسپترون 5 (MLP) هم نامیده می شود، استفاده می شود، استفاده می کنند. به عبارتی توپولوژی شبکه های MLP، با قانون یادگیری پس انتشار خطا تکمیل می شود. این قانون تقریبی از الگوریتم بیشترین نزول (S.D) است و در چارچوب یادگیری عملکردی قرار می گیرد.

بطور خلاصه، فرایند پس انتشار خطا از دو مسیر اصلی تشکیل می شود. مسیر رفت6 و مسیر برگشت 7 .

در مسیر رفت، یک الگوی آموزشی به شبکه اعمال می شود و تأثیرات آن از طریق لایه های میانی به لایه خروجی انتشار می یابد تا اینکه

_________________________________

1. Multi-Layer Feedforward Neural Networks

2. Back-Propagation Algorithm

3. Steepest Descent (S.D)

4. Performance Learning

5. Multi Layer Perceptron

6. Forward Path

7. Backward Path

نهایتاً خروجی واقعی شبکه MLP، به دست می آید. در این مسیر، پارامترهای شبکه (ماتریس های وزن و بردارهای بایاس)، ثابت و بدون تغییر در نظر گرفته می شوند.

در مسیر برگشت، برعکس مسیر رفت، پارامترهای شبکه MLP تغییر و تنظیم می گردند. این تنظیمات بر اساس قانون یادگیری اصلاح خطا1 انجام می گیرد. سیگنال خطا، رد لایه خروجی شبکه تشکیل می گردد. بردار خطا برابر با اختلاف بین پاسخ مطلوب و پاسخ واقعی شبکه می باشد. مقدار خطا، پس از محاسبه، در مسیر برگشت از لایه خروجی و از طریق لایه های شبکه به سمت پاسخ مطلوب حرکت کند.

در شبکه های MLP، هر نرون دارای یک تابع تحریک غیر خطی است که از ویژگی مشتق پذیری برخوردار است. در این حالت، ارتباط بین پارامترهای شبکه و سیگنال خطا، کاملاً پیچیده و و غیر خطی می باشد، بنابراین مشتقات جزئی نسبت به پارامترهای شبکه به راحتی قابل محاسبه نیستند. جهت محاسبه مشتقات از قانون زنجیره ای2 معمول در جبر استفاده می شود.

فرمول بندی الگوریتم BP

الگوریتم یادگیری BP، بر اساس الگوریتم تقریبی SD است. تنظیم پارامترهای شبکه، مطابق با سیگنالهای خطا که بر اساس ارائه هر الگو به شبکه محاسبه می شود، صورت می گیرد.

الگوریتم بیشترین تنزل با معادلات زیر توصیف می شود:

(1)

(2)

به طوری WLji و bLj، پارامترهای نرون j ام در لایه iام است. α، نرخ یادگیری2 و F، میانگین مربعات خطا می باشد.

(3)

(4)

(5)

به طوریکه SLj(k)، حساسیت رفتار شبکه در لایه L ام است.

_________________________________

1. Error-Correctting Learning Rule

2. Chain Rule

3. Learning Rate

معایب الگوریتم استاندارد پس انتشار خطا1 (SBP)

الگوریتم BP، با فراهم آوردن روشی از نظر محاسباتی کارا، رنسانسی در شبکه های عصبی ایجاد نموده زیرا شبکه های MLP، با قانون یادگیری BP، بیشترین کاربرد را در حل مسائل فنی- مهندسی دارند.

با وجود، موفقیت های کلی این الگوریتم در یادگیری شبکه های عصبی چند لایه پیش خود، هنوز مشکلات اساسی نیز وجود دارد:

- اولاً سرعت همگرایی الگوریتم BP آهسته است.

همانطور که می دانیم، تغییرات ایجاد شده در پارامترهای شبکه (ماتریس های وزن و بردارهای بایاس)، پس از هر مرحله تکرار الگوریتم BP، به اندازه ، است، به طوریکه F، شاخص اجرایی، x پارامترهای شبکه و α، طول قدم یادگیری است.

از این، هر قدر طول قدم یادگیری، α، کوچکتر انتخاب گردد، تغییرات ایجاد شده در پارامترهای شبکه، پس از هر مرحله تکرار الگوریتم BP، کوچکتر خواهد بود، که این خود منجر به هموار گشتن مسیر حرت پارامترها به سمت مقادیر بهینه در فضای پارامترها می گردد. این مسئله موجب کندتر گشتن الگوریتم BP می گردد. بر عکس با افزایش طول قدم α، اگرچه نرخ یادگیری و سرعت یادگیری الگوریتم BP افزایش می یابد، لیکن تغییرات فاحشی در پارامترهای شکه از هر تکراربه تکرار بعد ایجاد می گردد، که گاهی اوقات موجب ناپایداری و نوسانی شدن شبکه می شود که به اصطلاح می گویند پارامترهای شبکه واگرا شده اند:

در شکل زیر، منحنی یادگیری شبکه برای جدا سازیالگوها در مسأله XOR، به ازای مقادیر مختلف نرخ یادگیری، نشان داده شده است. به ازای مقادیر کوچک، α، شبکه کند اما هموار، یاد نمی گیرد الگوهای XOR را از هم جدا نماید، ددر صورتی که به ازای 9/0= α شبکه واگرا می شود.

_________________________________

1. Standard Back-Propagation Algorithm

شکل (1). منحنی یادگیری شبکه برای نرخ های یادگیری مختلف در مسأله XOR

- ثانیاً احتمالاً به دام افتادن شبکه در نقاط مینیمم محلی وجود دارد.

در شبکه های MLP، میانگین مجوز خطا، در حالت کلی خیلی پیچیده است و از تعداد زیادی نقطه اکسترمم در فضای پارامترهای شبکه برخوردار می باشد. بنابراین الگوریتم پس انتشار خطا با شروع از روی یک سری شرایط اولیه پارامترهای شبکه، به نقطه مینیمم سراسری و با شروع از یک مجموعه شرایط اولیه دیگر به تقاط مینیمم محلی در فضای پارامترها همگرا می گردد، بنابراین زمانی که الگوریتم BP همگرا می شود، نمی توان مطمئن شد که به یک جواب بهینه رسیده باشیم.

- ثالثاً: همگرایی الگوریتم BP، به یقین مقادیر اولیه پارامترهای شبکه عصبی MLP وابسته است، بطوری که یک انتخاب خوب می تواند کمک بزرگی در همگرایی سریعتر الگوریتم BP فراهم آورد. برعکس انتخاب اولیه نادرست پارامترهای شبکه MLP، منجر به گیر افتادن شبکه در نقاط مینیمم محلی در فضای برداری پارامترهای شبکه می گردد که این خود منجر به این می شود که شبکه خیلی زودتر از معمول به موضعی بیفتد که منحنی یادگیری شبکه برای تعداد بزرگی از دفعات تکرار، تغییر نکند.

به عنوان مثال، فرض می کنیم مقدار اولیه پارامترهای شبکه خیلی بزرگ باشند، در حالی که می دانیم توابع تبدیل نرونها مخصوصاً در لایه های میانی از نوع زیگموئید هستند. در این حالت برای نرون i ام، اندازه ورودی تابع تبدیل (ni) خیلی بزرگ می باشد و خروجی نرون (ai) به مقدار 1± میل می کند. لذا مشتق بردار خروجی شبکه، a ، خیلی کوچک می باشد. فرض کنیم که باید مقدار واقعی ai، 1 باشد