بهینه سازی عملکرد شبکه های عصبی پرسپترون با استفاده از اتوماتای یادگیر

یکی از انواع شبکه های عصبی ، پرسپترون می باشد وبصورت های پرسپترون تک لایه وپرسپترون چند لایه موجود هستند . پرسپترون تک لایه تنها می تواند مسایل مجزای خطی را دسته بندی کند و برای مسایل پیچیده تر لازم است که از تعداد بیشتری لایه استفاده کنیم. عملکرد شبکه های عصبی به طرز چشمگیری به پارامترهای ساختاری آن وابسته است . تعداد نرون ها، تعداد لایه های مخفی، نحوه اتصال نرون ها، و نوع توابع تحریک مثال های بارزی از این پارامترها هستند . در این مقاله روشی جدید برای بهینه سازی ساختار شبکه های عصبی جهت دستیابی به عملکرد بهینه ارایه شده است .این روش مبتنی بر الگوریتم اتوماتای یادگیر است. در روش پیشنهادی پارامترهای ساختاری شبکه عصبی به عنوان متغیرهای مستقل در نظر گرفته شده و تابع عملکرد شبکه عصبی به وسیله روش بهینه سازی تابعی اتوماتای یادگیر بهینه می شود.

کلیدواژه ها:

شبکه های عصبی ، شبکه های پرسپترون ، اتوماتای یادگیر