تنظیم وزن های شبکه عصبی مصنوعی با استفاده از الگوریتم بهینه سازی دسته میگوها
- سال انتشار: 1393
- محل انتشار: همایش ملی علوم و مهندسی کامپیوتر با محوریت امنیت ملی و توسعه پایدار
- کد COI اختصاصی: COMPUTER01_150
- زبان مقاله: فارسی
- تعداد مشاهده: 3626
نویسندگان
دانشگاه آزاد اسلامی واحد قزوین، دانشکده برق، رایانه و فناوری اطلاعات، قزوین، ایران
دانشگاه تربیت مدرس، دانشکده برق و کامپیوتر، تهران، ایران
چکیده
امروزه دسته بندی داده ها و بازشناسی الگو یکی از مبحث های مورد توجه در علوم مختلف است. از این رو دسته بندی های متفاوتی جهت انجام این امر ساخته و ارائه شده است. از مهم ترین ویژگی های یک دسته بند، دقت بالا در پیش بینی و تعیین دسته داده ها است. شبکه های عصبی یکی از انواع دسته بندهایی هست که می تواند دقت بالایی در مدلسازی فراهم کند. این به دلیل تراکنش سیگموئید غیرخطی در لایه های پنهان می باشد. از آن جهت استفاده از این شبکه ها در دسته بندی داده ها بسیار پر کاربرد است. یکی از چالش های اصلی شبکه های عصبی مصنوعی (ANN)، نحوه ی به روز رسانی وزن های ANN در هنگام آموزش است. استفاده از الگوریتم های فرامکاشفه ای نظیر بهینه سازی ازدحام ذرات، برای رفع ضعف الگوریتم های مبتنی بر گرادیان، در سالیان اخیر بسیار مورد توجه قرار گرفته است. در همین راستا، در این مقاله، الگوریتم بهنیه سازی دسته ی میگوها، برای یادگیری ANN، پیشنهاد شده است. در این روش، سه مولفه های اصلی الگوریتم بهینه سازی دسته ی میگوها یعنی حرکت ایجاد شده بوسیله ی میگوهای دیگر، حرکت غذایابی و پراکندگی تصادفی، وظیفه به روزرسانی وزن های ANN را به عهده دارند. همچنین کارایی آن از طریق آموزش ANNهای پیش خور که برای دسته بندی استفاده می شوند، آزمایش شده است. نتایج آزمایشات گسترده بر روی مجموعه داده های UCI، عملکرد بهتر این روش را نسبت به روش های قبلی نشان می دهد.کلیدواژه ها
الگوریتم دسته میگوها، شبکه عصبی، دسته بندی، بهینه سازی، فرامکاشفه ایمقالات مرتبط جدید
- فشرده سازی داده های ساخته شده با پاشش گاوسی در مدل سازی سه بعدی با استفاده از تحلیل مولفه اصلی
- دسته بندی عیوب جوش روی تصاویر پرتونگاری صنعتی با معرفی مدل یادگیری عمیق WeldClassNet
- بهبود تخمین بارندگی از پردازش تصاویر ماهواره ای با تلفیق هوش مصنوعی و داده های جغرافیایی (مطالعه موردی شهرستان بندرانزلی)
- تشخیص بیماری صرع در سیگنالهای الکتروانسفالوگرافی با استفاده از الگوریتم ازدحام ذرات و ماشین بردار پشتیبان کوانتومی
- ارائه روش بهبود شناسایی کشتی در تصاویر SAR با استفاده از شبکه عصبی عمیق مبتنی بر باکس های مرزی چرخشی و الگوریتم توجه ادغام شده
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.