-
-
-
-
-
- توابع محرک (تابع تبدیل[۲۹])
-
-
-
-
تابع محرک f می‌تواند خطی یا غیر خطی باشد. یک تابع محرک بر اساس نیاز خاص حل یک مسئله‌ای که قرار است به وسیله شبکه عصبی حل شود، انتخاب می‌شود. در عمل تعداد محدودی از توابع محرک مورد استفاده قرار می‌گیرند، که در زیر به تعدادی از آن ها اشاره می شود:
- تابع محرک خطی
خروجی این تابع برابر ورودی آن است:
a = purelin(n) = n
نمودار تابع محرک خطی[۱۶] (Patterson, 1996)
- تابع محرک آستانه‌ای دو مقداره حدی
این تابع در شکل (۳-۸) نشان داده شده است. همان‌گونه که مشاهده می‌شود ، مقدار خروجی ۰ یا ۱ است. اگر آرگومان n کوچک‌تر از صفر باشد مقدار تابع ۰ است و در غیر این صورت خروجی نرون برابر ۱ خواهد شد. عموماً تابع محرک، دامنه خروجی نرون را محدود می‌سازد و به همین علت آن را تابع محدود ساز[۳۰] نیز می‌نامند. خروجی نرون معمولاً برای این گونه توابع، در بازه متناهی[۰,۱] یا[-۱,۱] قرار دارد، که در این حالت، تابع را تابع محرک آستانه‌ای دو مقداره حدی گویند.
( اینجا فقط تکه ای از متن پایان نامه درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )
- تابع محرک زیگموئید
این تابع با رابطه کلی زیر بیان می‌شود:
مقدار c وسعت ناحیه خطی بودن تابع را تعیین می‌کند. مثلاً اگر c خیلی بزرگ باشد، شکل منحنی به تابع محرک آستانه‌ای دو مقداره حدی نزدیک می‌شود. این تابع در شبکه‌های عصبی کاربرد زیادی دارد. شکل این تابع به ازای c=1 در زیر رسم شده است.
نمودار تابع محرک آستانه‌ای دو مقداره حدی[۱۶] (Patterson, 1996)
نمودار تابع محرک زیگموئید[۱۶] (Patterson, 1996)
- تابع محرک تانژانت هیپربولیکی
تابع متداول دیگر در شبکه‌های عصبی تابع تانژانت هیپربولیکی می‌باشد. این تابع با رابطه زیر تعریف می‌شود:
a = tansig(n) = 2/(1+exp(-2*n))-1
a= تابع تانژانت هیپربولیکی
n= تعداد ورودی ها
در زیر شکل این تابع نمایش داده شده است:
نمودار تابع محرک تانژانت هیپربولیکی
