یک روش ترکیبی بر پایه الگوریتم دسته ماهیهای مصنوعی (AFSA) و پسانتشار (BP) برایبهینهسازی یادگیری شبکه های عصبی پیشخور چند لایه

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 535

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

FNCEITPNU02_015

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

بهینه سازی یادگیری شبکه های عصبی مصنوعی (ANN) ، یک موضوع بهینه سازی غیرخطی بسیار پیچیده می باشد. شبکههای عصبیپیشخور، نمونهای از شبکههای عصبی مصنوعی میباشند که کاربرد بسیار زیادی دارند و از آنها استفادههای بسیاری شده است. در ای نمقاله یک الگوریتم ترکیبی بر پایه AFSA و BP برای بهبود یادگیری شبکههای عصبی پیشخور پیشنهاد میگردد . این الگور یتم ب رروی یک شبکه عصبی پیشخور سهلایه اجرا گردیده است. نتایج آزمایشات نشان دهنده صحت و کارآمدی روش پیشنهاد شده میباشد.

کلیدواژه ها:

شبکه عصبی پیشخور ، الگوریتم دسته ماهیهای مصنوعی ، الگوریتم پسانتشار ، بهینهسازی

نویسندگان

جعفر امامی پور

گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور

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 :
  • C. R. Wang, C. L. Zhou and , W. Ma, ...
  • G. P. Zhang, "Neural Networks for Classification. A Survey, In ...
  • L. Chen, "Pattern Classification by Assembling Small Neural Networks", In ...
  • L. X. Li, Z. J. Shao and J. X Qian, ...
  • M. Han, L. Cheng and H. Meng, "Application of Four-Layer ...
  • J. M. Xiao, X. M. Zheng and X. H. Wang, ...
  • _ Jiang, Y. Wang, F. Rubio and D. Yuan, "Spread ...
  • T. Kondo, «Feedback GMDH-type Neural Network Using Prediction Error Criterion ...
  • نمایش کامل مراجع