تنظیم وزن های شبکه عصبی مصنوعی با استفاده از الگوریتم بهینه سازی دسته میگوها
Publish place: National Conference on Computer Science and Engineering with a focus on national security and sustainable development
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 3,618
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
COMPUTER01_150
Index date: 14 October 2015
تنظیم وزن های شبکه عصبی مصنوعی با استفاده از الگوریتم بهینه سازی دسته میگوها abstract
امروزه دسته بندی داده ها و بازشناسی الگو یکی از مبحث های مورد توجه در علوم مختلف است. از این رو دسته بندی های متفاوتی جهت انجام این امر ساخته و ارائه شده است. از مهم ترین ویژگی های یک دسته بند، دقت بالا در پیش بینی و تعیین دسته داده ها است. شبکه های عصبی یکی از انواع دسته بندهایی هست که می تواند دقت بالایی در مدلسازی فراهم کند. این به دلیل تراکنش سیگموئید غیرخطی در لایه های پنهان می باشد. از آن جهت استفاده از این شبکه ها در دسته بندی داده ها بسیار پر کاربرد است. یکی از چالش های اصلی شبکه های عصبی مصنوعی (ANN)، نحوه ی به روز رسانی وزن های ANN در هنگام آموزش است. استفاده از الگوریتم های فرامکاشفه ای نظیر بهینه سازی ازدحام ذرات، برای رفع ضعف الگوریتم های مبتنی بر گرادیان، در سالیان اخیر بسیار مورد توجه قرار گرفته است. در همین راستا، در این مقاله، الگوریتم بهنیه سازی دسته ی میگوها، برای یادگیری ANN، پیشنهاد شده است. در این روش، سه مولفه های اصلی الگوریتم بهینه سازی دسته ی میگوها یعنی حرکت ایجاد شده بوسیله ی میگوهای دیگر، حرکت غذایابی و پراکندگی تصادفی، وظیفه به روزرسانی وزن های ANN را به عهده دارند. همچنین کارایی آن از طریق آموزش ANNهای پیش خور که برای دسته بندی استفاده می شوند، آزمایش شده است. نتایج آزمایشات گسترده بر روی مجموعه داده های UCI، عملکرد بهتر این روش را نسبت به روش های قبلی نشان می دهد.
تنظیم وزن های شبکه عصبی مصنوعی با استفاده از الگوریتم بهینه سازی دسته میگوها Keywords:
تنظیم وزن های شبکه عصبی مصنوعی با استفاده از الگوریتم بهینه سازی دسته میگوها authors
نازنین صادقی لاری
دانشگاه آزاد اسلامی واحد قزوین، دانشکده برق، رایانه و فناوری اطلاعات، قزوین، ایران
محمد صنیعی آباده
دانشگاه تربیت مدرس، دانشکده برق و کامپیوتر، تهران، 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 :