مروری جامع بر نقش الگوریتمهای فراابتکاری در آموزش پارامترهای شبکه های عصبی و معماریهای مبتنی بر الگوریتم یادگیری عمیق

الگوریتمهای فراابتکاری می توانند تخمین بهینه مولفه های یادگیری عمیق مانند آبر پارامترها، وزن ها، تعداد لایه ها، تعداد نورون ها، نرخ یادگیری و غیره را با دقت فرموله کنند. این مقاله، مروری جامع از بهینه سازی یادگیری عمیق و شبکه های عصبی با استفاده از الگوریتمهای متاهیوریستی را ارائه می دهد. همچنین در این مقاله پیشرفت ها در زمینه بکارگیری الگوریتمهای متاهیوریستی در روش های یادگیری عمیق بررسی می شود، معایب و مزایای آنها را ارائه کرده و بر اساس بررسی پژوهش های اخیر به برخی جهت گیری ها به منظور پر کردن شکاف های تحقیقاتی و بهبود آنها در همین راستا اشاره می شود.

کلیدواژه ها:

الگوریتمهای فراابتکاری ، یادگیری عمیق ، یادگیری ماشین ، شبکه های عصبی ، بهینه سازی