برآوردخطای شبکه های عصبی مصنوعی و کاربرد آن دربهینه سازی توابع ریاضی بوسیله الگوریتم ژنتیک

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