بهینه سازی شبکه عصبی کانولوشن برای تصاویر OPG دندان و MNIST مبتنی بر الگوریتم ژنتیک

پیشرفت های اخیر در الگوریتم های بهینه سازی مبتنی بر جمعیت، پذیرش آن را در حل طیف گسترده ای از مسائل مختلف دنیای واقعی نشان داده است. الگوریتم بهینه سازی ژنتیک، یکی از روش های بهینه سازی مبتنی بر جمعیت با الهام از طبیعت است که می توان از آن در جهت یافتن پاسخ های مطلوب در مسائل مختلف استفاده نمود. در این مقاله، از الگوریتم ژنتیک برای پیدا کردن ساختار و پارامترهای بهینه شبکه عصبی کانولوشنی استفاده می شود؛ چرا که شبکه های عصبی، لایه ها و پارامترهای مختلفی دارند و حجم محاسباتی بالایی را موجب می شوند. بنابراین، نیاز به بهینه سازی پارامترهای شبکه احساس می شود تا بار محاسباتی سیستم، کاهش یابد. به طور معمول، این کار توسط متخصصان به صورت دستی و همراه با آزمون و خطا انجام می گیرد که ممکن است بهینه ترین پارامترها را به دنبال نداشته باشد. از این رو، راه حل پیشنهادی، از الگوریتم ژنتیک برای بهینه سازی ساختار و پارامترهای شبکه عصبی کانولوشنی استفاده می کند، به طوریکه نتایج تجربی آن بر روی مجموعه داده های MNIST از ارقام دست نویس و تصاویر OPG دندان، به ترتیب با دقت بالای ۹۷/۷۵ و ۱۰۰ درصد، کارایی روش پیشنهاد شده را نشان می دهند.

Keywords:

شبکه عصبی کانولوشنی , الگوریتم ژنتیک , بهینه سازی , مبتنی بر جمعیت , فراابتکاری