بهینه سازی وزن های شبکه عصبی توسط الگوریتم بهینه سازی ازدحام ذرات( مطالعه موردی: پیش بینی قیمت مس)

یکی از مهم ترین پارامترهای شبکه عصبی، الگوریتم آموزش آن بمنظور بهینه سازی وزن های شبکه می باشد. در این مقاله ابتدا شبکه عصبی پس انتشار خطا BPNN که کاربرد گسترده ای در مباحث علمی مختلف دارند، در پیش بینی قیمت مس بکار گرفته شده است. در بخش بعدی، روش ترکیبی پیشنهادی شبکه عصبی آموزش یافته توسط الگوریتم بهینه سازی ازدحام ذرات PSO، در پیش بینی قیمت مس استفاده شده است. در نهایت نتایج دو روش مطرح شده در این مطالعه، بمنظور بررسی عملکرد مدل پیشنهادی با یکدیگر مقایسه شدهاند. نتایج این پژوهش، عملکرد بهتر روش ANN-PSO نسبت به مدل BPNN را نشان داده است. بهترین ساختار مدل ترکیبی شامل 7 نرون برای دولایه مخفی، 300 ذره و 150 تکرار جهت یافتن مقادیر بهینه برای وزن ها بوده که میانگین قدرمطلق درصد خطا و جذر میانگین مربعات خطا برای این مدل، بترتیب برابر با 4/117% و 198/65% بدست آمده است.

کلیدواژه ها:

شبکه عصبی پس انتشار خطا ، الگوریتم بهینه سازی ازدحام ذرات ، پیش بینی ، مس