بهبود عملکرد شبکه عصبی پیچشی با استفاده از الگوریتم بهینه سازی کولونی زنبور عسل با هدف تشخیص بهتر سرطان پوست

تشخیص سرطان پوست از اهمیت بسیاری برخوردار است و با توجه به روند افزایشی این بیماری در سالهای اخیر، روش های دقیق و بهینه برای تشخیص زودهنگام بسیار حائز اهمیت می باشند. یکی از روش های پیشرفته در حوزه تشخیص سرطان، استفاده از شبکه های عصبی پیچشی است که قابلیت استخراج ویژگی های غنی و مفید از تصاویر پوست را دارند. در این تحقیق، به منظور بهبود عملکرد شبکه عصبی پیچشی در تشخیص سرطان پوست، از الگوریتم بهینه سازی کولونی زنبور عسل استفاده می شود. در این تحقیق، پارامترهای مهم شبکه عصبی پیچشی با استفاده از الگوریتم کولونی زنبور عسل استخراج می شوند. این پارامترها شامل تعداد الیه ها، اندازه فیلترها، نرخ یادگیری و سایر پارامترهای مهم شبکه عصبی می باشند. با استفاده از الگوریتم کولونی زنبور عسل، این پارامترها به طور همزمان و بهینه تنظیم می شوند تا عملکرد شبکه عصبی پیچشی در تشخیص سرطان پوست بهبود یابد. در این تحقیق، ارزیابی و مقایسه عملکرد شبکه عصبی پیچشی با استفاده از الگوریتم کولونی زنبور عسل با روش های بهینه سازی دیگر نیز صورت خواهد گرفت. این مقایسه می تواند روش پیشنهادی را در تشخیص سرطان پوست با سایر روش ها مقایسه کرده و کارایی و عملکرد بهتری را اثبات نماید.

کلیدواژه ها:

داده کاوی ، یادگیری عمیق ، شبکه عصبی پیچشی ، الگوریتم کولونی زنبور عسل ، تشخیص سرطان پوست