استفاده از الگوریتم بهینه سازی گراویتی به منظور کاهش ابعاد در داده هایی با ابعاد بالا

Publish Year: 1403
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 103

This Paper With 11 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICECM08_036

تاریخ نمایه سازی: 7 مهر 1403

Abstract:

عصر حاضر، با پیشرفت های چشمگیر در زمینه تکنولوژی و افزایش آگاهی انسان از محیط اطراف، ما شاهدرشد سریع حجم داده ها هستیم که این امر، نیاز به یافتن استراتژی های نوآورانه برای مدیریت آنها را برایدانشمندان بیش از پیش حائز اهمیت میسازد. در این راستا، چالش “نفرین بعد” به عنوان یک مسئله رایج درمقابل پژوهشگران قرار دارد که در آن، فضای ویژگی با بعدهای بالا منجر به افزایش تعداد پارامترهای قابلتخمین می گردد. الگوریتم های نوآورانه مانند الگوریتم گراویتی به عنوان راهکارهای پیشنهادی برای بهینه سازیدر فضاهای با بعدهای بالا شناخته میشوند، اما به تنهایی کافی نبوده و نمیتوانند به صورت مستقل مسئله راحل کنند. در این تحقیق، روش جدید و پیشرفت های برای بهینه سازی در فضاهای با بعدهای بالاتر با استفاده ازبهبود عملکرد الگوریتم گراویتی ارائه شده است. روش پیشنهاد شده در این مقاله، استفاده از تلفیق الگوریتمگراویتی با روش های تکاملی همکارانه موجود عالی عمل کند. همچنین، نتایج آزمون دوم نشان دهنده کارآمدی قابل تحسینالگوریتم جدید در تابع های محک خاص است

Authors

علیرضا بخشی

کارشناسی ارشد برق مخابر ات، دانشکده فنی مهندسی، گروه برق و کامپ یوتر، دانشگاه آزاد اسلامی اهر

مجتبی بنی فخر

دکتری برق مخابرات، دانشکده مهندسی برق، دانشگاه یزد