مهدی بشیری - دانشیار گروه مهندسی صنایع دانشکده فنی و مهندسی دانشگاه شاهد ،
امیر فرشباف گرانمایه - دانشجوی کارشناسی ارشد مهندسی صنایع دانشگاه شاهد

اندازه و همچنین پارامترهای آموزش شبکه عصبی تاثیر مهمی در عملکرد آن دارد . تاکنون هیچ روش ثابت و یا خط مشی سیستماتیک برای طراحی ساختار بهینه ی شبکه عصبی وجود ندارد . در این مطالعه ، سه معیار به عنوان معیارهای عملکرد شبکه عصبی مصنوعی و سه عامل کنترلی که بیشترین تاثیر را روی معیارهای عملکرد دارند ، معرفی شده اند . علاوه بر آن طرح باکس - بنکن برای طراحی آزمایشات مربوط به تنظیم پارامترها به کار برده شده است . بررسی یک فرآیند واقعی برای چنین موضوعاتی از اهمیت ویژه ای برخوردار می باشد ، لیکن به منظور بررسی و پیش بینی عملکرد روش پیشنهادی ، فرض شده است که متغیر خروجی فرآیند شبیه سازی شده دارای یک تابع نسبتاً پیچیده اما معین با متغیرهای ورودی می باشد . بعد از استخراج روابط عوامل کنترلی و معیارهای عملکرد تعیین شده مرتبط با شبکه عصبی طراحی شده ، روش برنامه ریزی فازی برای یافتن بهینه ترین ترکیب عوامل کنترلی جهت بهترین عملکرد شبکه عصبی مصنوعی به کار گرفته شده است . نتایج حاصل از مقایسه روش پیشنهادی با روش تنظیم پارامترها با استفاده از الگوریتم ژنتیک ، نشانگر کارایی روش پیشنهادی است . این رویکرد می تواند برای تنظیم پارامترها در حل انواع مختلف مسائل با استفاده از شبکه عصبی مصنوعی استفاده شود.

شبکه عصبی مصنوعی ، تنظیم پارامترها ، طرح باکس - بنکن ، برنامه ریزی فازی