تبیین مبانی مدل سازی و طراحی شبکه عصبی آشوبگونه بهینه شده با الگوریتم ژنتیک به منظور تشخص سرطان سینه

یکپارچه سازی شبکه عصبی آشوبگونه با الگوریتم بهینه سازی ژنتیک یک تحول بنیادی در یادگیری ماشین و بهینه سازی تکاملی می باشد. با توجه به ماهیت غیرخطی داده های تشخیصی سرطان با استفاده از نمای لیاپانف و سطح مقطع پوانکاره به آزمون رفتار آشوبگونه در داده ها پرداخته و نمودار بایفورکاسیون، نمودار بدست آمده از نمای لیاپانف و نمودار سطح مقطع پوانکاره ترسیم می گردد و با نگاشت آشوبگونه به شبکه عصبی آموزش داده می شود و پارامتر تابع نگاشت لجستیک طوری انتخاب می گردد که تابع لجستیک دارای دینامیک آشوب گونه باشد و وزن های شبکه عصبی آشوبگونه را طوری همزمان کردیم که خطای نهایی، مینیمم باشد. برای طراحی شبکه یکپارچه ملاحظات فنی در خصوص تنظیم ضریب میرایی، پارامتر تضعیف آشوب، شدت نویزگاوسی، تابع برازش، مکانیزم جهش، فرار از مینیمم محلی، جلوگیری از همگرایی ناپایدار، ترکیب بهینه بین خطای میانگین مربعات و شاخص لیاپانف، توسعه چارچوب های تفسیرپذیر، معرفی کتابخانه های محیط پایتون برای شبیه سازی سیستم آشوبگونه و محاسبه نمای لیاپانف، ابزار ترسیم نمودارهای جاذبه های فرکتالی و فضای فاز ارائه گردید. در خاتمه پیشنهادهایی در خصوص ضرورت مدل سازی شبکه عصبی آشوبگونه نوتروسوفیک و شبکه عصبی آشوبگونه نورومورفیک و توجه به یادگیری ترکیبی تقویتی - انتقالی داده شد.

Keywords:

الگوریتم ژنتیک , تشخیص سرطان سینه , شبکه عصبی آشوبگونه , شبکه عصبی آشوبگونه ژنتیکی , نمای لیاپانف