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

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.

الگوریتم بهینه سازی صفحات شیب دار، بهینگی پرتو، شبکه عصبی پرسپترون چند لایه، طبقه بندی داده