مریم جلیل خانی - دانشجوی کارشناسی ارشد نرم افزار، گروه کامپیوتر، دانشگاه زنجان، زنجان
زهره اسماعیلی - دانشجوی کارشناسی ارشد نرم افزار، گروه کامپیوتر، دانشگاه زنجان، زنجان
علیرضا خان تیموری - عضو هیئت علمی دانشکده مهندسی، گروه کامپیوتر، دانشگاه زنجان، زنجان

در این مقاله، آموزش شبکه های عصبی با استفاده از شکل خاصی از ترکیب الگوریتم های تکامل تفاضلی و اجتماع پرندگان به نام DEPSOM برای افزایش دقت دسته بندی داده ها پیشنهاد شده است. الگوریتم های متعددی برای آموزش شبکه های عصبی وجود دارد. یکی از معروفترین آنها، الگوریتم یادگیری پس انتشار است که این الگوریتم معایبی مانند همگرایی کند و افتادن در کمینه محلی دارد. برای بهبود آموزش شبکه های عصبی، در این مقاله از الگوریتم های بهینه سازی متاهیوریستیک استفاده شده است. نتایج حاصل از پیاده سازی بر روی مجموعه داده ی Iris نشان می دهد که الگوریتم ترکیبی DEPSOM ، عملکرد مناسبی در آموزش شبکه های عصبی دارد و در مقایسه با آموزش شبکه با استفاده از الگوریتم PSO نتایج دقیق تری بدست می آورد.

محاسبه گری زیستی، شبکه های عصبی، آموزش شبکه های عصبی، الگوریتم اجتماع پرندگان، الگوریتم تکامل تفاضلی