برآوردخطای شبکه های عصبی مصنوعی و کاربرد آن دربهینه سازی توابع ریاضی بوسیله الگوریتم ژنتیک
محل انتشار: دومین کنفرانس ملی محاسبات نرم و فن آوری اطلاعات
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,434
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCSCIT02_035
تاریخ نمایه سازی: 17 اردیبهشت 1391
چکیده مقاله:
امروزه شاهد فراگیر شدن استفاده ا ز شبکه های مصنوعی عصبی درمسائل شبیه سازی هستیم کاربردهای وسیع استفاده از شبکه های عصبی مصنوعی دراکثر علوم دیده می شود درهرشبیه سازی مطمئنا به دنبال تعمیم پذیری و قابلیت اطمینان شبیه ساز درقبال ورودیهای متفاوت هستیم دراین مقاله سعی شده است که بتوان خطای خروجی شبکه عصبی را براوردنمود دراین مقاله درپی بهینه کردن یک تابع ریاضی مشخص هستیم که بجای استفاده از خود تابع از نمونه شبیه سازی شده آن که توسط شبکه عصبی انجام می شود استفاده می گردد در بحث مربوط به بهینه سازی امروزه روشهای تکاملی نظیر الگوریتم ژنتیک مورد علاقه بسیاری از محققین می باشد دراین مقاله هم دربخش بهینه سازی از الگوریتم ژنتیک برای بهینه سازی تابع ریاضی مورد نظر استفاده شده است دراین بین الگوریتم ژنتیک برای رسیدن به مقدار بهینه مساله مقدار برآورد خطا که دربخش شبیه سازی به آن رسیده بودیم استفاده کرد ه ودرصورت تشخیص بالا نبودن خطا از شبیهساز استفاده می کند و اگر مقدار آن زیاد بود ازخود تابع اصلی برای بهینه سازی استفاده می کند.
کلیدواژه ها:
شبکه های عصبی مصنوعی ، الگوریتم ژنتیک
نویسندگان
محمدهادی افشار
دانشیار گروه عمران آب دانشگاه علم و صنعت
ابراهیم خلیلی آملی
دانشجویکارشناسی ارشد عمران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :