بهبود شناسايي الگو در ربات ها با استفاده از شبكه ي عصبي آشوب گونه ي كنترل شده

براي ايجاد شبكه ي عصبي آشوبگونه، نياز به وجود تابع سيگمويد مي باشد. در اين مقاله و بواسطه ي راهكار پيشنهادي ما، براي بهتر شدن روش به حالت پويا، كاهش آشوب، بهبود نماي لياپانوف و افزايش سرعت همگرايي اقدام به ارائه ي نوعي تابع جديد نمودهايم. تابع مورد نظر علاوه بر پوشايي كامل كاستيهاي شبكه ي عصبي آشوبگونه همانند بالا بودن زمان اجرايي، زياد بودن عمليات محاسباتي و پايين بودن سرعت همگرايي مي تواندكمك بسزايي در رفع مشكلات ثانويه ي شبكه ي عصبي آشوبگونه داشته باشد. از سوي ديگر، روش جديدي كه براي كنترل آشوب در اين مقاله پيشنهاد مي شود منحصراً براي حافظه ي انجمني بكار گرفته خواهد شد و با تغيير ضريب كنترل در آن با استفاده از روش متريك معكوس، خروجي هاي شبكه ي عصبي آشوبگونه كنترل شده، با سرعت بيشتري به الگوهاي ذخيره شده همگرا مي شوند. روش كنترلي فوق، كاملاً هوشمند بوده و با اعمال چنين مكانيسمي به حافظه داخلي ربات، عمليات شناسايي الگو مي تواند توسط ربات انجام پذيرد و بدين واسطه نرخ تشخيص تا حد زيادي بالا رود. سپس به بررسي تأثير هوشمندسازي ربات با بهره گيري از شبكه ي عصبي آشوبگونه ي كنترل شده براي حداقل كردن خطاي ممكن در شناسايي الگوهاي نويزدار خواهيم پرداخت