بهینه سازی پارامترهای ماشین بولتزمن با استفاده از الگوریتم ژنتیک

یکی از مدل های بسیار قدرتمند شبکه عصبی مدل ماشین بولتزمن است. برای اثبات قدرت این مدل می توان آن را با مدل هاپفیلد مقایسهکرد. ماشین بولتزمن بر خلاف مدل هاپفیلد یک شبکه عصبی تصادفی است و امین تصادفی بودن دلیل افزایش قدرت آن است. در این ماشینفعالیت هر نرون به درجه حرارت وابستگی دارد. امچنین در این مدل برای تنطیم پارامترها ، ضریب آموزش معرفی می شود. با تنظیم دقیقوزن ها مدل قادر به ساخت مدل محیط درون شبکه است. برای مقایسه دقت مدلی که ماشین بولتزمن می سازد و مدلی که شبکه هاپفیلد میسازد می توان تابع انرژی این دو مدل را مقایسه کرد. ماشین بولتزمن برای عملیات صحیح احتیاج به تنظیم دقیق پارامترها دارد. در این مقالهاین پارامترها با استفاده از الگوریتم ژنتیک اصلاح شده است.

کلیدواژه ها:

شبکه عصبی ، ماشین بولتزمن ، مدل هاپفیلد و الگوریتم ژنتیک