روشی جدید برای بهینه سازی ساختار شبکه عصبی با استفاده از روش تکامل همکارانه ( نگرش طبیعی در بهینه سازی اتصالات نرونی )

شبکه های عصبی مصنوعی به عنوان روشی برگرفته از مکانیزم مغز انسان در زمینه های مختلف هوش مصنوعی 1 و محاسبات نرم 2 کاربردهای وسیعی را دارند . از آنجا که ساختار مغز انسان در طول سالهای متمادی، متکامل شده است، متوان انتظار داشت تا هر چه م عماری شبکه عصبی مصنوعی به ساختار طبیعی مغز انسان نزدیکتر باشد، از کارائی بهتر و بالاتری برخوردار بوده که در عین حال بسیاری از کاربردها برای گریز از پیچیدگیهای این ساختار، ساده سازیها و فرضهائی صورت می پذیرد . در این مقاله، سعی شده یکبار دیگر این نگرش به مغز انسان و چگونگی تکامل آن در طول قرون متمادی احیاء شده و از این رهگذر روشی جدید که کارائی خوبی در برخورد با مسائل متنوع و مختلف بویژه در ردیابی دینامیک فرایند را داشته باشد، ارائه گردد . از سری زمانی Mackey-Glass به عنوان مثالی عمومی برای بررسی کارائی آن است فاده شده است . نتایج بدست آمده بهبود از 2 تا 4 برابر بر حسب میزان خطای پیشبینی و با یک تعداد نرون بکار رفته یکسان را نشان می دهد .

Keywords:

شبکه های عصبی , مدلسازی دینامیک متغیر , الگوریتم ژنتیک , برنامه سازی ژنتیک , تکامل همکارانه