استفاده از همواركننده ي L1/2 در يادگيري گرادياني شبكه‌هاي عصبي خود سازمانده

يكي از مهمترين معيار ها در آموزش شبكه هاي عصبي، سرعت همگرايي است. تحقق اين معيار وابسته به آموزش مطلوب پارامترها و تعيين اندازه­ي مناسب براي شبكه است اما مقالاتي كه تاكنون بكار رفته ­اند بر روي يكي از اين عوامل تمركز داشته­ اند. به منظور تعيين اندازه­ي مطلوب يك شبكه با توجه به پيچيدگي مساله از شبكه­ هاي عصبي خودسازمانده استفاده مي­كنيم. چالشي كه در اين شبكه ها ديده مي شود سرعت همگرايي نسبتاً پايين آن­ها است، درنتيجه براي بهبود سرعت همگرايي آموزش شبكه از الگوريتم Batch­gradient(Bg) به همراه رگولاريزيشن L1/2 كه توسط يك تابع همواركننده، هموار شده ­است، استفاده مي­ نماييم تا بدين ترتيب دركنار دو فرايند افزايشي و كاهشي اندازه شبكه، پارامترها به خوبي آموزش ببينند و سرعت همگرايي بهبود يابد. نتايج حاصل از پياده­سازي و مقايسه ­ي روش حاضر با روش­هاي پايه، از نظر معيارهاي سرعت همگرايي و صحت كلاس­بندي داده ­هاي تست، نشان از برتري روش پيشنهادي در بهبود صحت و بهبود سرعت همگرايي را مي­ دهد.