ایجاد شبکه های عصبی بهینه منطبق با داده در شناسایی الگو با استفاده از الگوریتم کلونی مورچگان در تشخیص سرطان
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 419
فایل این مقاله در 6 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:
ELECONFK04_020
تاریخ نمایه سازی: 11 شهریور 1397
چکیده مقاله:
امروزه شبکه های عصبی با دارا بودن مزایایی چون یادگیری مانند انسان و توانایی تعمیم میتوانند در کاربردهای مختلف نظیر پزشکی با موفقیت مورد استفاده قرار بگیرند. با توجه به ساختار پیچیده شبکه های عصبی با توپولوژیها و پارامترهای مختلف در ساختار و آموزش، به نظر بدست آوردن ساختار بهینه برای شبکه های عصبی در یک کاربرد خاص میتواند در نتایج حاصله بسیار تاثیرگذار باشد. در این تحقیق برآنیم تا بتوانیم با استفاده از الگوریتم بهینه سازی ACO، در مورد یک مسیله خاص به توپولوژی بهینه ای متناسب با ساختار دادهای آن مسیله دست یابیم. به عبارت دیگر شبکه عصبی که در اینجا تولید میشود یک شبکه عصبی خودسازنده (Self Constracting Neural Nestwork (SCNN))است. به دلیل تنوع مسایلی که توسط شبکه عصبی قابل حل هستند در این تحقیق تنها به حل مسیله از نوع شناسایی الگو در تشخیص سرطان روی داده های طیف رامان با تعداد 49 نمونه، 12 ویژگی و سه کلاس، پرداخته میشود. نرمافزارمورد استفاده نرمافزار متلب نسخه R2014a می باشد. نتایج نشان میدهد میانگین صحت تشخیص شبکه سفارشی ایجاد شده نسبت به شبکه پایه در ده بار اجرا، در آموزش شبکه از 0/7585 به 0/9184 و در تست شبکه از 0/7327 به 0/9164 بهبود یافته است
کلیدواژه ها:
نویسندگان
ملیحه اشراقی آرانی
گروه برق و کامپیوتر، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران،
زهره دهقانی بیدگلی
عضو هیات علمی گروه برق و کامپیوتر، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران