ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بهبود عملکرد شبکه عصبی در طبقه بندی بوسیله الگوریتم توده ذرات

سال انتشار: 1399
کد COI مقاله: EEICONF01_048
زبان مقاله: فارسیمشاهد این مقاله: 15
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهبود عملکرد شبکه عصبی در طبقه بندی بوسیله الگوریتم توده ذرات

جواد نقی پور - دانشجوی دکترا دانشگاه بیرجند،
رمضان هاونگی - دانشیار دانشکده برق و کامپیوتر دانشگاه بیرجند،
ناصر ندا - دانشیار دانشکده برق و کامپیوتر دانشگاه بیرجند،

چکیده مقاله:

کارآیی شبکه های عصبی مصنوعی به فرآیند یادگیری مرتبط است و توانایی آنها به عنوان یک جعبه سیاه بدون مدل در یادگیری روابط داخلی یک سیستم ناشناخته، سبب شده است که تحقیقات زیادی در زمینه گسترش موارد مرتبط با شبکه مثل نوع شبکه، ساختار، الگوریتم یادگیری و نحوه انتخاب پارامترها، صورت پذیرد که هم اکنون نیز ادامه دارد. ابعاد بالا، گیر افتادن در دام مینیمم محلی، همگرایی کند و هزینه محاسباتی بالا در آموزش شبکه های عصبی بسیار تأثیرگذار است. هدف این مقاله ارائه راهکاری جدید برای بهبود عملکرد شبکه عصبی در طبقه بندی دادههای غیر خطی است. بدین منظور رویکردی مناسب برای آموزش و پیدا کردن اوزان شبکه عصبی پیشنهاد شده است. در این رویکرد ابتدا شبکه عصبی چند لایه، اوزان و بایاس های مربوط به شبکه ای که قادر است داده های غیر خطی مورد نظر را طبقه بندی کند، بدست می آورد. سپس وزنها و بایاس های این شبکه عصبی به واسطه الگوریتم توده ذرات (PSO) بگونه ای بهینه می شود که خطای طبقه بندی کاهش یابد. اعمال اوزان وبایاس های بدست آمده از شبکه عصبی به الگوریتم توده ذرات سبب می گردد الگوریتم جستجوی محلی مناسب تری انجام داده و اوزان دقیق تری برای شبکه عصبی تعیین گردد. همچنین در شبیه سازی های انجام شده، طرح پیشنهادی عملکرد بهتری را نسبت به شبکه عصبی که از الگوریتم تندترین شب برای آموزش شبکه عصبی و درنتیجه کاهش خطای طبقه بندی استفاده می کند و شبکه عصبی که از الگوریتم PSO برای این منظور استفاده میکند، به نمایش می گذارد.

کلیدواژه ها:

شبکه عصبی چند لایه ، یادگیری ماشین، الگوریتم توده ذرات، مینیمم محلی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1157958/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
نقی پور، جواد و هاونگی، رمضان و ندا، ناصر،1399،بهبود عملکرد شبکه عصبی در طبقه بندی بوسیله الگوریتم توده ذرات،کنفرانس ملی صنعت برق و الکترونیک،هویزه،،،https://civilica.com/doc/1157958

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1399، نقی پور، جواد؛ رمضان هاونگی و ناصر ندا)
برای بار دوم به بعد: (1399، نقی پور؛ هاونگی و ندا)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 7,310
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی