الگوریتم ژنتیکی- هوش هیبرید شبکه های عصبی مصنوعی برای تشخیص سرطان

شبکه های عصبی مصنوعی به عنوان یکی از مهم ترین روش های هوش محاسباتی القا شده به صورت بیولوژیکی مطرح هستند. اگر چه، طراحی یک ANN به عنوان یک وظیفه مشکل مطرح است زیرا نیازمند تنظیم ساختار ANN و تنظیم برخی از پارامترهای پیچیده می باشد. از سوی دیگر، الگوریتم ژنتیکی به عنوان یک روش جستجوی جهانی عامل مفیدی برای مسائل بهینه سازی پیچیده می باشد. در اینجا GA به نحوی استفاده شده که به صورت همزمان سبب انتخاب ویژگی های معنی دار و حائز اهمیت به عنوان نهاده برای ANN گردد و به صورت اتوماتیک می تواند تعداد بهینه ای از گره های پنهان را مشخص کند. علاو بر این یک روش جدید برای بهینه سازی اکتشافی معرفی پیشنهاد می شود.این روش بر پایه انحنای جستجو استوار است.روش جدید الگوریتم جستجوی تصادفی که نقاط جدید در آن کاملا بر پایه انتخاب تصادفی مشخص می گردند.را به گونه ای تعمیم می دهد که عملکرد ضعیف آن در توابع تست شناخته شده ،به طور موثری بهبود می یابد .روش مذکور از نظر عملکرد با تعدادی از الگوریتم های معروف مقایسه شده و نتایج اعمال آن روی توابع تست در مقایسه با الگوریتم ژنتیک ارائه شده است . الگوریتم جدید در اکثر توابعی که مورد تست قرار گرفته است دارای عملکرد بهتری از الگوریتم ژنتیک بوده است

کلیدواژه ها:

شبکه های عصبی مصنوعی ، الگوریتم های ژنتیکی ، جستجوگر تصادفی ، انتخاب ویژگی ها و بهینه سازی گره پنهان