TY - JOUR ID - TI - On Training Feed Forward Neural Networks For Approximation Problems حول تدريب الشبكات العصبية ذات التغذية التقدمية AU - Luma. N. M.Tawfiq لمى ناجي محمد توفيق PY - 2010 VL - 15 IS - 2 SP - 133 EP - 146 JO - Al-Qadisiyah Journal of Pure Science مجلة القادسية للعلوم الصرفة SN - 19972490 24113514 AB - In this paper, many modified and new algorithms have been proposed for training feed-forward neural networks; many of them having a very fast convergence rate for reasonable size networks.We examine the similarities and differences between different training methods and compare the performance of training with each representation applied to the approximation problem. In all of these algorithms we use the gradient of the performance function (energy function, error function) to determine how to adjust the weights such that the performance function is minimized, where the back propagation algorithm has been used to increase the speed of training. The above algorithms have a variety of different computation and thus different type of form of search direction and storage requirements; however none of the above algorithms has a global properties which suited to all problems.

في هذا البحث اقترحنا عدد من الخوارزميات المطورة والجديدة لتدريب الشبكات العصبية ذات التغذية التقدمية البعض منها تمتلك سرعة تقارب جيدة للشبكات ذات التركيب المعقول واختبرنا أوجه التشابه والاختلاف بين طرق التدريب المختلفة وقارنا الأداء للتدريب لكل تمثيل طبق على مسائل التقريب . في كل تلك الخوارزميات استخدمنا انحدار دالة الأداء ( دالة الخطأ, دالة الطاقة ) لتحديد كيفية ضبط الأوزان بحيث تكون دالة الأداء أقل ما يمكن . حيث استخدمنا خوارزمية الانتشار المرتد لتسريع التدريب جميع الخوارزميات أعلاه تتنوع من حيث اختلاف الحسابات وبالتالي اختلاف الأنواع حسب الصيغ لاتجاه التفتيش والخزن الذي تقتضيه وكل الخوارزميات أعلاه لا تمتلك خواص رئيسية تجعلها مناسبة لكل المسائل . ER -