انتخاب هوشمند ورودی ها با استفاده از الگوریتم ژنتیک باینری در شبکه ی عصبی تکاملی

انتخاب ورودی مناسب همواره جزء دغدغه های اصلی مدلسازی بوده است، چرا که انتخاب بهترین ورودی منجر به نتایج مناسب تر خواهدشد. روش رایج انتخاب ورودی های مدل استفاده از همبستگی بین پیش بینی کننده ها و پیش بینی شونده ها است. در این روش تنها می توانتاثیر یک پیش بینی کننده را بر پیش بینی شونده دید در حالی که ممکن است ترکیب پیش بینی کننده های با همبستگی بالا از تاثیرمناسب برخوردار نباشد.در این مقاله با استفاده از الگوریتم ژنتیک و ترکیب آن با شبکه ی عصبی مصنوعی بهترین ورودی ها از بین ورودی های کاندید تعیین شدهو نتیجه آن با روش جستجوی کامل ورودی ها مقایسه گردیده است. از آنجا که در این روش اثرات هم زمان متغیرهای مختلف ورودیتوسط الگوریتم ارزیابی میشود معایب روش سنتی برطرف می شود. از طرف دیگر روش جستجوی کامل که به بررسی کامل حالت هایمختلف ترکیب می پردازد بلحاظ زمانی هزینه بر بوده و با افزایش تعداد متغیرها استفاده از آن عملا ناممکن می شود. نتایج حاصله نشاندهنده ی کارایی خوب الگوریتم ژنتیک در انتخاب هوشمند ورودی ها است. مضافا آنکه از یک الگوریتم ژنتیک حقیقی برای آموزش شبکهعصبی بجای روش رایج پس انتشار خطا استفاده شده است.

Keywords:

الگوریتم ژنتیک , شبکه ی عصبی , انتخاب ورودی , پیش بینی جریان رودخانه