شبیه سازی شبکه های عصبی mlp, rbf با استفاده از توابع فعال سازی لجستیکی و تانژانت هایپربولیک

در این مقاله روش انجام کار دو بخش می باشد: بخش اول تقریب یک تابع غیرخطی، از طریق شبکه های عصبی mlp (با استفاده از توابع فعال سازی لجسایکی و تانژانت هایپربولیک) و قسمت دوم از طریق شبکه عصبی rbf می باشد. مقایسه نتایج این دو شبکه عصبی و در بخش دوم کلاسه بندی تصاویر با استفاده از شبکه های عصبی mlp- rbf انجام گرفته و نتایج آن بررسی می گردد. در مجموع شبکه های mlp که متداول ترین نوع شبکه های عصبی در مدل سازی سیستم های مختلف می باشند در مدل سازی تخمین بهتری نسبت به شبکه های rbf دارند و تنها مزیت شبکه های rbf نسبت به شبکه های mlp زمان کوتاه تر مورد نیاز برای آموزش می باشد ولی دقت شبکه های mlp در برآورد بیش از شبکه های rbf می باشد.