سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

دسته بندی داده ها با استفاده از شبکه عصبی-تکاملی بهبود یافته

Publish Year: 1393
Type: Conference paper
Language: Persian
View: 3,391

This Paper With 14 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

ICTMNGT01_075

Index date: 10 July 2015

دسته بندی داده ها با استفاده از شبکه عصبی-تکاملی بهبود یافته abstract

کارآیی شبکه های عصبی مصنوعی به فرآیند یادگیری مرتبط است و توانایی آنها به عنوان یک جعبه سیاه بدون مدل بوده و قادر است روابط داخلی یک سیستم ناشناخته را مستقیمأ یاد بگیرد، سبب شده که تحقیقات زیادی در زمینه گسترش موارد مرتبط با شبکه مثل نوع شبکه، ساختار، الگوریتم یادگیری و نحوه انتخاب پارامترها، صورت پذیرد که هم اکنون نیز ادامه دارد. ابعاد بالا، گیر افتادن در دام مینیمم محلی، همگرایی کند و هزینه محاسباتی بسیار در آموزش شبکه های عصبی بسیار تأثیرگذار است. هدف این مقاله ارائه راهکارهای جدید به منظور بهبود آموزش شبکه عصبی مصنوعی چند لایه پرسپترون در کاربرد دسته بندی داده ها است. بدین منظور رویکرد مناسبی برای آموزش و پیدا کردن اوزان شبکه عصبی پیشنهاد شده است. در این رویکرد ابتدا الگوریتم رقابت استعماری توسط افزودن بهینه سازی آشوبناک بهبود داده خواهد شد و سپس برای آموزش شبکه عصبی از آن استفاده خواهد شد. افزودن بهینه سازی آشوبناک سبب می گردد الگوریتم جستجوی محلی مناسب تری انجام داده و اوزان دقیق تری برای شبکه عصبی تعیین گردد.

دسته بندی داده ها با استفاده از شبکه عصبی-تکاملی بهبود یافته Keywords:

دسته بندی داده ها با استفاده از شبکه عصبی-تکاملی بهبود یافته authors

علیرضا غنودی

دانشگاه آزاد اسلامی واحد ساری، گروه مهندسی کامپیوتر، ساری، ایران

سیدمهدی روهبان

دانشگاه آزاد اسلامی واحد ساری، گروه مهندسی کامپیوتر، ساری، ایران

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 :
بهمن ماه 1393 _ پار ک علم و فناوری دانشگاه ...
Abdechiri, Marjan, Karim Faez, and Helena Bahrami. 2010. "Neural Network ...
Atash paz-Gargari, Esmaeil and Caro Lucas. 2007. "Imperialist Competitive Algorithm: ...
Dong-Gyu, Jeong and Lee Soo-Young. 1996. "Merging Ba ck-Propagation and ...
E bra h impou r-Komleh, H. n.d. "Cuckoo Optimization Algorithm ...
Hassoun, Mohamad H. 1995. Fundamentals of Artificial Neural Networks. MIT ...
Haykin, Simon S. 2009. Neural Networks and Learning Machines. Pearson ...
Krizhevsky, Alex, _ Sutskever, and Geoffrey E. Hinton. 2012. "Imagenet ...
Kulluk, Sinem, Lale Ozbakir, and Adil Baykasoglu. 2012. "Training Neural ...
Mahmoudi, M. Tayefeh, N. Forouzideh, C. Lucas, and F. Taghiyareh. ...
May, Robert M. 1976. "Simple Mathematicl Models with Very Complicated ...
Shi, Y., & Eberhart, R. C. (1999). Empirical study of ...
Zabihi, F. faez, k and hosseini, m. s.2013."Quad Countries Algorithm ...
نمایش کامل مراجع

مقاله فارسی "دسته بندی داده ها با استفاده از شبکه عصبی-تکاملی بهبود یافته" توسط علیرضا غنودی، دانشگاه آزاد اسلامی واحد ساری، گروه مهندسی کامپیوتر، ساری، ایران؛ سیدمهدی روهبان، دانشگاه آزاد اسلامی واحد ساری، گروه مهندسی کامپیوتر، ساری، ایران نوشته شده و در سال 1393 پس از تایید کمیته علمی کنفرانس ملی مدیریت و فناوری اطلاعات و ارتباطات پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله شبکه عصبی چند لایه پرسپترون، یادگیری ماشین، الگوریتم رقابت استعماری، مینیمم محلی هستند. این مقاله در تاریخ 19 تیر 1394 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 3391 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که کارآیی شبکه های عصبی مصنوعی به فرآیند یادگیری مرتبط است و توانایی آنها به عنوان یک جعبه سیاه بدون مدل بوده و قادر است روابط داخلی یک سیستم ناشناخته را مستقیمأ یاد بگیرد، سبب شده که تحقیقات زیادی در زمینه گسترش موارد مرتبط با شبکه مثل نوع شبکه، ساختار، الگوریتم یادگیری و نحوه انتخاب پارامترها، صورت پذیرد که هم اکنون ... . این مقاله در دسته بندی موضوعی شبکه عصبی و یادگیری ماشین طبقه بندی شده است. برای دانلود فایل کامل مقاله دسته بندی داده ها با استفاده از شبکه عصبی-تکاملی بهبود یافته با 14 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.