به کارگیری دو الگوریتم فرا ابتکاری خفاش و بهینه سازی ازدحام ذرات برای آموزش شبکه های عصبی در دسته بندی داده ها

الگوریتم هوش جمعی الگوریتم های فرا ابتکاری در حال توسعه هستند که در ده سال گذشته توجه زیادی را در بسیاری از برنامه های کاربردی مانند داده کاوی برنامه ریزی عملکرد شبکه های عصبی مصنوعی ANN و طبقه بندی را به خود جذب کرده است در این تحقیق مقایسه ای بین الگوریتم خفاش و الگوریتم بهینه سازی ازدحام ذرات برای آموزش شبکه تابع شعاع مبنا RBF در دسته بندی انواع توابع معیار داده است نتایج نشان می دهد که الگوریتم خفاش از نظر بهبود وزن شبکه RBF و سرعت بخشیدن به زمان آموزش و همگرایی خوبی از راه حل های بهینه که منجر به افزایش بهره وری شبکه و کاهش اشتباهات شده است بهتر از الگوریتم PSO عملکرد داشته است

کلیدواژه ها:

شبکه های عصبی ، الگوریتم خفاش ، الگوریتم ازدحام ذرات ، الگوریتم های فراابتکاری