استفاده از الگوریتم ژنتیک جهت بهبود یادگیری انتشار ارتجاعی در شبکه عصبی پرسپترون چند لایه

  • سال انتشار: 1386
  • محل انتشار: اولین کنفرانس داده کاوی ایران
  • کد COI اختصاصی: IDMC01_045
  • زبان مقاله: فارسی
  • تعداد مشاهده: 5299
دانلود فایل این مقاله

نویسندگان

پیمان معلم

استادیار گروه الکترونیک، دانشکده فنی و مهندسی، دانشگاه اصفهان

غلامرضا فرخ فال

دانشجوی کارشناسی ارشد مهندسی برق - مخابرات، دانشگاه آزاد اسلامی واحد

چکیده

امروزه استفاده از شبکه عصبی پرسپترون چند لایه در بسیاری از مسائل داده کاوی و شناسایی الگو، مرسوم است. به علت پیچیدگی و تنوع داده ها، توجه به انتخاب روش آموزش شبکه عصبی با توجه به زمان بر بودن آن، اهمیت فراوانی دارد. یکی از فاکتورهای اساسی و عملی در آموزش، نرخ همگرایی شبکه است که رابطه مستقیمی با مدت زمان اموزش خواهد داشت که برای روشهای گرادیانی که امروزه برای اموزش شبکه عصبی استفاده می شود، کاملاً وابسته به نقطه شروع خواهد بود. در این مقاله از روش ژنتیک جهت بهبود نرخ همگرایی الگوریتم یادگیری انتشار ارتجاعی که از روشهای محلی موفق د رآموزش شبکه عصبی است، استفاده میشود. برای این منظور، برای بدست آوردن یک نقطه شروع برای یادگیری انتشار ارتجاعی، در ابتدا از الگوریتم ژنتیک با جمعیتی کوچکی در حدود 12 کروموزوم استفاده شده وپس از حدود 10 تکرار، بهترین جوابهای بدست امده به یادگیری انتشار ارتجاعی، تحویل می شود. در واقع، استفاده از الگوریتم ژنتیک در ابتدای روش پشنهادی باعث نزدیک شدن به جواب بهینه شده و باعث تسریع یادگیری محلی و افزایش نرخ همگرایی می گردد که علت آن همانطور که ذکر گردید شروع جستجوی محلی از جواب بهینه تحویلی بوسیله الگوریتم ژنتیک می باشد. الگوریتم پیشنهادی (ترکیب روش ژنتیک و یادگیری انتشار ارتجاعی) به زبان C پیاده سازی شد و نتایج آن برای مسائل مختلفی مورد آزمایش قرار گرفت. نتایج، نشان دهنده افزایش درصد همگرایی بواسطه استفاده از الگوریتم ژنتیک در انتخاب نقطه شروع مناسب بود. همچنین سرعت همگرایی نیز نسبت به زمانی که فقط از الگوریتم زنتیک استفاده شود، افزایش یافته است. در عین حال در مسائل پیچیده، همگرایی نسبت به یادگیری ارتجاعی نیز سریعتر می شود.

کلیدواژه ها

آموزش انتشار ارتجاعی ، شبکه عصبی پرسپترون چند لایه ، الگوریتم ژنتیک ، نرخ همگرای

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.