تنظیم خودکار روند به روزرسانی تطبیقی ضرایب در شبکه عصبی پرسپترون چند لایه با قانون تطبیق مرتبه متغیر

عملگرهای مرتبه ناصحیح در دهه‌های اخیر کاربرد فراوانی در مهندسی، فیزیک، مدلسازی و حتی علوم طبیعی و اجتماعی داشته‌اند. سیستم‌های دینامیکی مرتبه ناصحیح به عنوان تعمیمی مستقیم از سیستم‌های دینامیکی سنتی مرتبه صحیح هستند، اما مواردی مانند پایداری و همگرایی در این دو مقوله به نوعی با هم متفاوت است. همچنین مرتبه نقش بسیاری در رفتار سیستم داشته به نوعی میزان پویایی آن را مشخص می‌کند. با توجه به این موضوع که اعمال قانون به‌روزرسانی تطبیقی ضرایب در شبکه‌های عصبی به خصوص در شناسایی و کنترل بسیار متداول است، یک رویکرد برای بهبود عملکرد این شبکه‌ها استفاده از قانون تطبیق مرتبه ناصحیح است. علاوه بر پایداری بیشتر – که یک ویژگی مهم سیستم‌های دینامیکی مرتبه ناصحیح نسبت به همتای مرتبه صحیح است – خصوصیتی به شبکه عصبی اضافه می‌کند که در صورت طراحی صحیح منجر به تنظیم قانون آموزش به صورت خودکار می‌شود. موضوع اصلی این مقاله نیز در همین راستا است. در واقع هدف آن است که یک قانون تطبیق با مرتبه متغیر به نحوی معرفی شود که منجر به توقف و شروع مجدد روند آموزش به صورت خودکار شود.