بررسی شبکه عصبی جمعی بر پایه الگوریتم ژنتیک در حل مسایل رگرسیون
محل انتشار: سومین کنگره بین المللی کامپیوتر، برق و مخابرات
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 542
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITCC03_007
تاریخ نمایه سازی: 6 اردیبهشت 1396
چکیده مقاله:
شبکه عصبی جمعی یک روش یادگیری است، که در آن چندین شبکه به طور مشترک برای حل یک مسیله مورد استفادهقرار می گیرند. هدف از ساخت شبکه جمعی، رسیدن به عملکرد بهتر از نظر دقت پیش بینی و قابلیت تعمیم برای داده هایناشناخته نسبت به یک شبکه منفرد است. در این مقاله، ابتدا ارتباط بین سیستم جمعی و شبکه های سازنده آن در زمینه رگرسیون مورد تجزیه و تحلیل قرار گرفته است، که نشان میدهد با ترکیب زیرمجموعه ای از شبکه ها به جای همه شبکه-های موجود ممکن است، سیستم جمعی با قابلیت تعمیم بهتر در پیش بینی دادههای ناشناخته حاصل شود. سپس، جهتانتخاب زیرمجموعه ای مناسب از شبکه های موجود در سیستم جمعی روشی به نام GA_ENS بر اساس الگوریتم فرااکتشافیژنتیک (GA) ارایه شده، که تعمیم یافته روش GASEN است. در این روش ابتدا تعدادی شبکه آموزش می بینند، پس ازآن با اعمال الگوریتم ژنتیک به هر کدام از شبکه ها وزنی اختصاص می یابد. به طوریکه این وزنها تا حدودی می توانندمیزان برازندگی شبکه های موجود را در ساخت یک سیستم جمعی مشخص کنند. در نهایت، زیرمجموعه ای از شبکه هابراساس وزن های تکامل یافته برای ساخت سیستم جمعی انتخاب می شوند. جهت ارزیابی روش GA_ENS را بر مجموعهداده ی شناخته شده ی خانه ی بوستون (Boston Housing) بررسی کرده ایم، که نتایج حاکی از عملکرد بهتر این روشاز نظر و عملکرد آن را از نظر صحت و قابلیت تعمیم برای پیش بینی داده های ناشناخته با استفاده از معیارهای میانگین مربعخطا (MSE) و ضریب همبستگی (CC) در مقایسه با روش GASEN است.
کلیدواژه ها:
نویسندگان
طاهره نیکوروش
فارغ التحصیل کارشناسی ارشد علوم کامپیوتر، دانشگاه سیستان و بلوچستان
عفت دهقانیان
استادیار دانشگاه سیستان و بلوچستان
امین راحتی
استادیار دانشگاه سیستان و بلوچستان
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 :