یک مدل ترکیبی از شبکه عصبی هاپفیلد و الگوریتم ژنتیک جهت بهبود فراخوانی الگو

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:

شبکه عصبی هاپفیلد , قانون یادگیری هبین , الگوریتم ژنتیک , فراخوانی الگو , تکنیک تولید جمعیت