نیلوفر بهفر - دانشجوی کارشناسی ارشد گروه کامپیوتر گرایش نرم افزار، سنندج دانشگاه آزاد سنندج
سیدامیر شیخ احمدی - عضو هیات علمی دانشگاه آزاد سنندج، سنندج دانشگاه آزاد سنندج
فایق ظاهری - عضو هیات علمی دانشگاه آزاد سنندج، سنندج دانشگاه آزاد سنندج

دستهبندی دادهها و بازشناسی الگوها 2 یکی ازحوره های مطالعاتی مورد توجه پژوهشگران است. از اینرو دستهبندهای متفاوتی جهت انجام این امر ساخته و ارایه شده است. از مهمترین ویژگیهای یک دستهبند، دقت بالا در پیشبینی و تعییندسته 3 دادهها است. شبکههای عصبی یکی از انواع دستهبندهایی هست که میتواند دقت بالایی در مدلسازی فراهم کند. به همین دلیل الگوریتمهای متفاوتی مانند پس انتشار خطا و الگوریتمهای فراابتکاری جهت آموزش وزنهای شبکههای عصبی ارایه شده است. در این مقاله از الگوریتم فراابتکاری جدید پروانه سلطان جهت فرایند آموزش وزنهای شبکه عصبیاستفاده شده است. عملکرد روش پیشنهادی بر روی سه مجموعه داده UCI مورد ازمایش قرار گرفت و نتایج حاصل از مقایسه با پنج روش قبلی نشان داد که دقت دستهبندی روش پیشنهادی به طور قابل توجهی بیشتر و میانگین مربعات خطای آن کمتر است.

شبکه عصبی، بهینهسازی، الگوریتمهای فراابتکاری ،الگوریتم پروانه سلطان