روشی جدید دراستخراج قوانین از شبکه های عصبی آموزش دیده با استفاده از الگوریتم بهینه سازی گروه ذرات
محل انتشار: دوازهمین کنفرانس دانشجویی مهندسی برق ایران
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,282
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISCEE12_087
تاریخ نمایه سازی: 29 اسفند 1387
چکیده مقاله:
یکی از بزرگترین مشکلات شبکه های عصبی مصنوعی ضعف در تفسیر نتایج خویش است. اگر چه شبکه های عصبی مصنوعی می توان ند با دقت بالا عمل کلاس بندی را انجام دهند، اما دانش استفاده شده توسط شبکه عصبی شفاف نیست و نتایجی که شبکه بدس ت می آورد اغلب غیر قابل فهم و به راحتی نمی تواند توسط یک سیستم خبره مورد استفاده قرار گیرد. بدین منظوراستخراج قانون از شبکه های عصبی مورد توجه محققان قرار گرفته است. تاکنون روشهای گوناگونی برای استخراج قانون معرفی شده اند. این مقاله یک الگوریتم جدید برای استخراج قوانین دقیق و مفهومی از پایگاه داده و از طریق شبکه های عصبی مصنوعی آموزش دیده و الگوریتم PSO ارائه می کند که در این روش از PSO باینری برای پیدا کردن مقادیر بهینه برای ورودی شبکه عصبی استفاده می شود.
کلیدواژه ها:
نویسندگان
جعفر امامی پور
گروه هوش مصنوعی دانشگاه آزاد اسلامی واحد قزوین
رضا ریحانی
گروه هوش مصنوعی دانشگاه آزاد اسلامی واحد قزوین
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 :