ارائه‌ي بهينه‌ساز بر پايه‌ي گراديان كاهشي كسري چند متغيره و توزيع شده براي شبكه‌هاي عصبي

توجه به استفاده از مشتقات كسري در حوزه هوش مصنوعي در سال‌هاي اخير افزايش يافته است. علت اين توجه عملكرد بهتر در همگرايي نسبت به الگوريتم‌هاي كلاسيك بهينه‌سازي استفاده شده، است. يكي از معيار‌هاي مقايسه عملكرد الگوريتم‌هاي بهينه‌سازي، استفاده از آن‌ها روي شبكه‌هاي عصبي است. قابليت اصلي مشتقات كسري، امكان محاسبه مشتق، در نقاط شكستگي در منحني‌ها است. ما با استفاده از ويژگي‌هاي حسابان كسري، عملكرد اين الگوريتم‌ها را بهبود داده‌ايم. با ارائه دو الگوريتم جديد در اين حوزه، سرعت همگرايي را نسبت به سرعت الگوريتم‌هاي پيشين افزايش چشمگيري داده‌ايم. با بهبود‌هاي انجام شده، ضمن رقابتي بودن دقت الگوريتم‌هاي ارائه شده با الگوريتم‌هاي كلاسيك، سرعت همگرايي شبكه‌هاي عصبي تا دو و نيم برابر افزايش يافته‌اند.