اجتماع شبکه های عصبی مصنوعی تکاملی با تقویت توپولوژی و انتخاب ویژگی ها
Publish place: 15th Iranian Conference on Electric Engineering
Publish Year: 1386
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,717
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEE15_293
تاریخ نمایه سازی: 17 بهمن 1385
Abstract:
اجتماع شبکه های عصبی توانایی عمومیت و دقت سیستم کلاس بندی را افزایش می دهد. تکامل عصبی، تکامل مصنوعی شبکه های عصبی با استفاده از الگوریتمهای ژنتیک، نتایج خوبی برای سیستمهای یادگیری پیچیده بوجود آورده است. در روشهای تکامل عصبی موجود، توپولوژی قبل از آغاز تکامل تعیین می شود. پروسه تکامل، فضای وزن اتصالات این توپولوژی کاملاً متصل را جستجو کرده و به شبکه های که علمکرد بهتری دارند اجازه ی تولیدد مثل می دهد و فضای وزنها جستجو می شود. بنابراین هدف روشهای تکاملی موجود ، بهینه کردن وزت اتصالات و در نهایت عملکرد کلی شبکه است . در حالی که ، وزنهای اتصالات تنها عامل تاثیرگذار در رفتار شبکه نیستند . توپولوژی شبکه عصبی و تعیین اتوماتیک یک مجموعه ی مناسب از ورودیها برای شبکه ، انتخاب ویژگیها، نیز روی عملکرد آن تاثیر می گذارد. دراین مقاله ما از NEAT استفاده کرده و ورودی ، توپولوژی و وزنهای شبکه را تحت پروسه تکامل همزمان بهینه خواهیم کرد، بعد از تولید چنین کلاس بندهای شبکه ی عصبی، که با هم در توپولوژی ، وزن اتصالات و مجموعه ورودی متفاوتند، از خروجی این کلاس بندها استفاده کرده و با ترکیب آنها یک خروجی واحد ایجاد می کنیم، آزمایشات نشان می دهد که روش ارائه شده نتایج بهتری نسبت به روشهای موجود بدست می دهد.
Authors
بنت الهدی حلمی
دانشگاه علم و صنعت ایران، دانشکده مهندسی کامپیوتر، تهران
احسان عادلی مسبب
دانشگاه علم و صنعت ایران، دانشکده مهندسی کامپیوتر، تهران
ناصر مزینی
دانشگاه علم و صنعت ایران، دانشکده مهندسی کامپیوتر، تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :