آموزش شبکه عصبی مصنوعی با استفاده از الگوریتم های فراابتکاری: یک مقاله مروری

دسته بندی داده ها یکی از مهمترین شاخه های داده کاوی بوده وبرای انجام آن روش های متفاوتی وجود دارد. شبکه عصبی یکی از بهترین روش های یادگیری ماشین جهت دسته بندی می باشد. در طی سالیان اخیر به علت نقص های موجوددر الگوریتم های جستجوی مبتنی بر گرادیان در آموزش شبکه عصبی، الگوریتم های فراابتکاری مورد توجه محققین قرار گرفته اند. این الگوریتم ها به علت دارا بودن ماهیت تصادفی، می توانند نقص گیر افتادن در مینیمم های محلی را تا حدود زیادی برطرف سازند. بدین منظور در این مقاله، الگوریتم های فراابتکاری که برای فرایند آموزش وزن های شبکه عصبی استفاده شده اند بررسی شده اند. در این الگوریتم ها تعداد ابعاد ذرات برابر با تعداد وزن های شبکه عصبی می شود. وزن های شبکه عصبی با افزایش تعداد تکرارها بهبود پیدا می کند تا نهایت به سمت بهینه سراسری همگرا شوند.در آخر مکان ذره ی بهینه سراسری برابر با وزن های شبکه عصبی مورد نظر می شود.

کلیدواژه ها:

شبکه عصبی ، بهینه سازی ، الگوریتم های فراابتکاری