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

  • سال انتشار: 1388
  • محل انتشار: سومین کنفرانس داده کاوی
  • کد COI اختصاصی: IDMC03_056
  • زبان مقاله: فارسی
  • تعداد مشاهده: 2868
دانلود فایل این مقاله

نویسندگان

مهدی نصیری

دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه علم و صنعت ایران

علی هادیان

دانشجوی کارشناسی مهندسی نرم افزار

مهسا نجف زاده

دانشجوی کارشناسی ارشد نرم افزار

بهروز مینایی

استادیار دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران

چکیده

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

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.