ارایه یک رویکرد مبتنی بر الگوریتم ژنتیک برای بهبود فرآیند آموزش شبکه عصبی پرسپترون چندلایه و مقایسه کارایی آن با سایر الگوریتمهای فرااکتشافی
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 600
فایل این مقاله در 7 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:
DCBDP03_085
تاریخ نمایه سازی: 14 شهریور 1396
چکیده مقاله:
اگرچه علوم و فناوریهای نوین امروزی سبب حل بهینه مسایل مختلف شدهاند، ولی همچنان در دنیای واقعی مسایلی وجود دارندکه حل آنها بسیار مشکل و زمانبر است. از جمله این مسایل میتوان به مسیله بهینهسازی آموزش شبکه عصبی پرسپترون چندلایه اشاره نمود. تاکنون الگوریتمهای زیادی از جمله الگوریتم رقابت استعماری 1 ، شبیه سازی تبرید 2 ، کلونی مورچگان 3 ، ازدحام ذرات 4 و...برای حل آن پیشنهاد شده است. در این پژوهش، ما ابتدا از رویکرد اکتشافی ژنتیک برای آموزش یک مسیله رگرسیون بر روی شبکه عصبی پرسپترون چندلایه استفادهکرده و سپس نتایج آن را با نتایج حاصل از آموزش شبکه عصبی با الگوریتمهای ازدحام ذرات ورقابت استعماری مقایسه میکنیم. اولین هدف این مقاله آموزش شبکه عصبی پرسپترون چندلایه با استفاده از الگوریتم ژنتیک 5 است که شبکه را با هدف پیشبینی یک مقدار پیوسته آموزش میدهیم همچنین دومین هدف این مقاله مقایسه عملکرد الگوریتمهایفرااکتشافی ژنتیک و رقابت استعماری و ازدحام ذرات در آموزش شبکه عصبی پرسپترون چندلایه است. اگرچه رویکرد پیشنهادی تاثیر بهسزایی در بهبود فرایند آموزش شبکه دارد، با اینحال نتایج نشان میدهد که الگوریتم ازدحام ذرات در مقایسه با دو رویکرد دیگر دارای عملکرد بهتری میباشد
کلیدواژه ها:
الگوریتم ژنتیک ، آموزش شبکه عصبی پرسپترون چندلایه ، الگوریتمهای فرااکتشافی ، الگوریتم ازدحام ذرات ، الگوریتم رقابت استعماری
نویسندگان
پریا سلطان زاده
دانشجوی کارشناسی ارشد، دانشکده فناوری اطلاعات و مهندسی کامپیوتر دانشگاه شهید مدنی آذربایجان – تبریز – ایران
مهدی هاشم زاده
استادیار، دانشکده فناوری اطلاعات و مهندسی کامپیوتر دانشگاه شهید مدنی آذربایجان – تبریز – ایران