مقایسه روشهای پرسپترون چندلایه تابع اساسی شعاعی و بهینه سازی کمینه ترتیبی برای دسته بندی داده ها

دراین مقاله سعی شده است که با دردست داشتن 5 مجموعه داده ای خاص دقت سه روش پرسپتون چند لایه ای تابع شعاعی اساسی و بهینه سازی کمینه ترتیبی برای دسته بندی داده ها با در نظر گرفتن معیار دقت مورد مقایسه قرار گیرند. تاثیر عواملی مانند اندازه مجموعه داده تعداد صفات دو دویی و عددی آن و درصد داده ای که در شرایط استقلال مجموعه داده از مسئله برای ازمون استفاده شده اند مورد بررسی قرارگرفته است. برای یک مجموعه داده خاص این روشها در دو حالت بررسی شده اند در یک حالت داده اموزشی و داده ازمایشی یکی در نظر گرفته شده اند و در حالت دیگر 30% از داده ازمایشی و 70% آن اموزشی می باشد.

کلیدواژه ها:

شبکه عصبی ، اموزش ، پرسپتون چند لایه ، تابع شعاعی اساسی ، بهینه سازی کمینه ترتیبی ، مجموعه داده ، داده های ازمایشی ، داده های اموزشی