معماری بهینه شبکه عصبی MLP درطبقه بندی داده ها باروش HS
محل انتشار: اولین کنفرانس بازشناسی الگو و پردازش تصویر ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 930
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- 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:
IPRIA01_014
تاریخ نمایه سازی: 11 مرداد 1393
چکیده مقاله:
کاربردروزافزون شبکه های عصبی MLP درحل مسائل مهندسی وسیستم های هوشمندسبب گرایش محققین به سمت ابداع روشهای اموزش ومعماری کارامدترآنها شده است بیشتر تحقیقات تاکنون درزمینه اموزش شبکه عصبی انجام گرفته است دراین مقاله برانیم که با استفاده ازالگوریتم تکاملی جستجوی هماهنگی HS معماری بهینه ای را جهت طبقه بندی داده ها ارایه نماییم معماری شبکه عصبی شامل تعداد لایه های مخفی تعدادنرون ها و نوع توابع تحریک درهرلایه می باشد دراین مقاله جهت اموزش شبکه عصبی ازروش پس انتشارخطا استفاده شده است نتایج نشان میدهد که الگوریتم استفاده شده درهربار تکرار نتایج قابل قبولی را بدست می دهد
کلیدواژه ها:
نویسندگان
سارا مستقیمی
دانشگاه بیرجند
سیدحمید ظهیری
دانشگاه بیرجند
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 :