آموزش بدون نظارت شبکه عصبی RBF به وسیله الگوریتم ژنتیک

در این مقاله روشی کار آمد برای آموزش شبکه های عصبی RBF به کمک الگوریتم ژنتیک مطرح شده است. کارآمد ترین نوع آموزش این شبکه ها استفاده از روش های ترکیبی است. در کلیه این روش ها، یک بخش بدون نظارت وجود دارد که از آن برای تنظیم پارامتر های طبقهRBF این شبکه ها استفاده می شود. در مواردی که حجم داده های آموزش زیاد است، معمولآ از روش های خوشه بندی برای کاهش داده هایی که شبکه با آن ها مواجه است استفاده شود. در این مقاله می خواهیم از الگوریتم ژنتیک برای انتخاب بهینه مراکزتوابعRBF در لایه پنهان شبکه، به کمک یک رهیافت معکوس استفاده نماییم. با توجه به این نکته که هم خوشه بندی و هم الگوریتم های تکاملی بر مبنای تکرار و صرف وقت هستند، لذا استفاده از الگوریتم ژنتیک در مورد زمان آموزش، تفاوت زیادی نمی کند؛ اما اگر بتوان خطای تست شبکه را از این طریق کاهش داد، کارایی آن بارز می شود. در پایان، نتایج با روش های دیگر خوشه بندی همچونروشK-Means و خوشه بندی سلسله مراتبی بر مبنای فاصله اقلیدسی مقایسه شده است. کاهش چشمگیر خطای تست شبکه حاکی از عملکرد مناسب این شیوه آموزش است.

کلیدواژه ها:

آموزش بدون نظارت ، الگوریتم ژنتیک ، خوشه بندی ، شبکه عصبی RBF