طراحی و آموزش بهینه شبکه عصبی با استفاده از روش بهینه سازی چند هدفه ی MOIPO
محل انتشار: ششمین کنفرانس مهندسی برق و الکترونیک ایران
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 656
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- 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:
ICEEE06_300
تاریخ نمایه سازی: 1 مهر 1394
چکیده مقاله:
الگوریتم ابتکاری بهینه سازی صفحات شیب دار (IPO) مبتنی بر حرکت بدون اصطکاک عوامل جستجو بر روی تابع برازندگی و لغزش آنها به سمت نقاط مینیمم سراسری آن است. این الگوریتم کارآیی خود را در حل مسائل پیچیده مهندسی نشان داده است. در این مقاله، از نسخه چند هدفه ی روش IPO به منظور طراحی معماری و به صورت همزمان آموزش بهینه شبکه عصبی پرسپترون چند لایه استفاده شده است. در روش پیشنهادی که به اختصار MOIPONN نامیده شده از مفهوم بهینگی پرتو برای شناسایی بهترین معماری و آموزش توام شبکه استفاده می شود. دقت و پیجیدگی به دست آمده از شبکه عصبی به وسیله الگوریتم پیشنهادی با الگوریتم پرکاربرد MOPSO مقایسه شده است. این مطالعه نشان می دهد که شبکه عصبی طراحی شده به وسیله روش پیشنهادی، در مسئله ی طبقه بندی داده از لحاظ تعادل بین دقت و سادگی شبکه، نسبت به الگوریتم MOPSO عملکرد بهتری دارد.
کلیدواژه ها:
نویسندگان
نجمه صیادی
دانشجوی کارشناسی ارشد مهندسی الکترونیک، دانشکده برق و کامپیوتر، دانشگاه بیرجند
سیدحمید ظهیری
دانشیار گروه الکترونیک و مخابرات، دانشکده برق و کامپیوتر، 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 :