یک مدل ترکیبی از شبکه عصبی هاپفیلد و الگوریتم ژنتیک جهت بهبود فراخوانی الگو
Publish place: National Conference on Application of Intelligent Systems (soft computing) in Science and Technology
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 996
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AISST01_195
تاریخ نمایه سازی: 5 مرداد 1392
Abstract:
فراخوانی الگوها در شبکه عصبی هاپفیلد بسیار وابسته به ماتریس های وزن استفاده شده در مرحله یادگیری می باشد. در این مقاله یک الگوریتم ژنتیک طراحی و پیاده سازی شده که شامل جمعیتی از ماتریس هی وزنن مربوط به ذخیره سازی و فراخوانی الگو در شبکه عصبی هاپفیلد می باشد. هدف بدیت آوردن ماتریس وزن بهنیه جهت بهبود فراخوانی الگوهای اصلی است. برای این منظور، تکنیک تولید جمعین (جهش و نخبه گزینی) ، عملکرد انقطاع و تابع ارزیابی برازندگی برای تولید جمعیت جدید از ماتریس های وزن را تعریف می کنیم. در آزمایش های انجام شده، یک شبکه عصبی با استفاده از قانون یادگیری هبین و یا تعداد مختلف از الگوها ایجاد می شود. در بیشتر موارد، فراخوانی الگوها با استفاده از الگوریتم ژنتیک نتایج بهتری را نسبت به فراخوانی معمولی با استفاده از قانون هبین می دهد. همچنین نتایج شبیه سازی نشان میدهد که استفاد از الگوریتم ژنتیک منجر به بهبود فراخوانی الگوهای اصلی دارای نویز می شود.
Keywords:
Authors
وحید عقیقی
کارشناسی ارشد هوش مصنوعی دانشگاه آزاد اسلامی واحد مشهد
رضا مغانی
دانشگاه پیام نور، عضو هیئت علمی گروه علم مهندسی فناوری اطلاعات و ارتب