:::info این مقاله در arxiv تحت مجوز CC 4.0 موجود است.
نویسندگان:
(1) امیر نوری زادگان، گروه مهندسی عمران، دانشگاه ملی تایوان؛
(2) DL Young، Core Tech System Co. Ltd، Moldex3D، گروه مهندسی عمران، دانشگاه ملی تایوان & [email protected];
(3) YC Hon، گروه ریاضیات، دانشگاه شهر هنگ کنگ.
(4) CS Chen، گروه مهندسی عمران، دانشگاه ملی تایوان و [email protected].
:::
جدول پیوندها
چکیده و مقدمه
شبکه های عصبی
پین برای حل معادله برگر معکوس
شبکه باقیمانده
نتایج عددی
نتایج، تقدیرنامه ها و مراجع
2 شبکه های عصبی
در این بخش، استفاده از شبکه‌های عصبی پیشخور را برای حل مسائل درون‌یابی، به‌ویژه بر ساختن تقریب‌های دقیق توابع بر اساس نقاط داده‌شده، بررسی خواهیم کرد.
2.1 شبکه های عصبی پیشخور
شبکه عصبی پیشخور که به عنوان پرسپترون چندلایه (MLP) نیز شناخته می شود، به عنوان یک معماری پایه در شبکه های عصبی مصنوعی عمل می کند. شامل لایه های به هم پیوسته نورون ها، جریان اطلاعات به صورت یک طرفه از لایه ورودی از طریق لایه های پنهان به لایه خروجی پیشرفت می کند. این فرآیند که “فید فوروارد” نامیده می شود، مستلزم تبدیل داده های ورودی به دلخواه است…