سال انتشار: 1399
محل انتشار: کنفرانس ملی صنعت برق و الکترونیک
کد COI مقاله: EEICONF01_048
زبان مقاله: فارسیمشاهد این مقاله: 15
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
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
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
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:
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
- مدلسازی لیزر نقطه کوانتومی مبتنی بر کاواک فوتونیک کریستال
- طراحی دیکشنری توصیفی – تفکیکی با استفاده از نمایش تنک سریع
- بررسی امنیت و چالشهای حریم خصوصی در اینترنت اشیا
- ارائه ی راهکاری در سیستم تشخیص نفوذ به منظور کلاس بندی و کاهش حملات بااستفاده از الگوریتم های یادگیری ماشین و بریچ
- بررسی مخاطرات امنیتی برای گوشی های تلفن همراه دارای سیستم عامل اندروید
مقالات فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.
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.