<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>دانشگاه اصفهان</PublisherName>
				<JournalTitle>هوش محاسباتی در مهندسی برق</JournalTitle>
				<Issn>2821-0689</Issn>
				<Volume>2</Volume>
				<Issue>4</Issue>
				<PubDate PubStatus="epublish">
					<Year>2012</Year>
					<Month>01</Month>
					<Day>21</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Design of a chaotic feed forward neural network</ArticleTitle>
<VernacularTitle>طراحی شبکه عصبی جلو سوی آشوب‏گونه</VernacularTitle>
			<FirstPage>21</FirstPage>
			<LastPage>34</LastPage>
			<ELocationID EIdType="pii">15326</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>ابوذر</FirstName>
					<LastName>طاهرخانی</LastName>
<Affiliation>- کارشناسی ارشد مهندسی پزشکی- بیوالکتریک، دانشکده مهندسی پزشکی- دانشگاه صنعتی امیرکبیر- تهران- ایران</Affiliation>

</Author>
<Author>
					<FirstName>شهرام</FirstName>
					<LastName>جوادی</LastName>
<Affiliation>عضو هیات علمی دانشگاه آزاد اسلامی واحد تهران مرکز، دانشکده مهندسی برق- تهران- ایران</Affiliation>

</Author>
<Author>
					<FirstName>سام</FirstName>
					<LastName>معینی</LastName>
<Affiliation>کارشناسی ارشد مهندسی برق- الکترونیک، دانشکده مهندسی برق - دانشگاه آزاد اسلامی واحد تهران مرکز- تهران- ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2016</Year>
					<Month>06</Month>
					<Day>14</Day>
				</PubDate>
			</History>
		<Abstract>Several scientific researchers have shown that synapses, far from what considered previously, are one of the most dynamic structures in the nervous system. It varies through and after the training stage. A novel feed forward chaotic neural network is designed in this project. The weights of a trained classic feed forward neural network are considered as basic weights. The outputs of chaotic logistic maps are added to the some of the basic weights and this produces a chaotic feed forward neural network. The chaotic weights are synchronized by a proposed algorithm to reduce the output error. Designed chaotic feed forward neural network can separate some data from test set which contain all the recognition errors of the classic feed forward neural network.</Abstract>
			<OtherAbstract Language="FA">چکیده: بر اساس مطالعات جدید محققان، سیناپس‌ها یکی از پویاترین اجزا دستگاه عصبی جانداران هستند و حتی پس از مرحله تعلیم نیز قدرت هر سیناپس ثابت باقی نمی‌ماند. در این مقاله، روشی برای آشوبی کردن وزن‌های شبکه عصبی جلو سو ارائه شده است. در این روش وزن‌های یک شبکه عصبی جلو سو پس از تعلیم به عنوان وزن‌های پایه در نظر گرفته شده‏اند. با استفاده از توابع لجستیک (که در محدوده مناسبی به صورت آشوبگونه نوسان می‏کنند) و وزن‏ها‏ی پایه، شبکه عصبی جلو سوی آشوب‏گونه‌ای طراحی گردید که وزن‌های آن در هر لحظه به صورت آشوب‏گونه تغییر می‌کند. با استفاده از الگوریتم ارائه شده در این مقاله، وزن‌های آشوبی طوری با یکدیگر همزمان می‏شوند که خطای خروجی حداقل می‏گردد. با این روش، تمامی داده‌هایی که توسط شبکه جلو سوی پایه اشتباه تشخیص داده شده بودند، شناسایی و برای آنها خروجی &quot;غیر قابل شناسایی&quot; ایجاد می‏شود.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">واژه‌های کلیدی: ابر صفحه‏ جداکننده</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">بازشناسی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">سیناپس پویا</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">شبکه‌ عصبی جلو سو</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">نظریه آشوب</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://isee.ui.ac.ir/article_15326_4f1df9d00fb6d90ccaf2059e33049372.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
