ارایه یک رویکرد مبتنی بر الگوریتم ژنتیک برای بهبود فرآیند آموزش شبکه عصبی پرسپترون چندلایه و مقایسه کارایی آن با سایر الگوریتمهای فرااکتشافی

اگرچه علوم و فناوریهای نوین امروزی سبب حل بهینه مسایل مختلف شدهاند، ولی همچنان در دنیای واقعی مسایلی وجود دارندکه حل آنها بسیار مشکل و زمانبر است. از جمله این مسایل میتوان به مسیله بهینهسازی آموزش شبکه عصبی پرسپترون چندلایه اشاره نمود. تاکنون الگوریتمهای زیادی از جمله الگوریتم رقابت استعماری 1 ، شبیه سازی تبرید 2 ، کلونی مورچگان 3 ، ازدحام ذرات 4 و...برای حل آن پیشنهاد شده است. در این پژوهش، ما ابتدا از رویکرد اکتشافی ژنتیک برای آموزش یک مسیله رگرسیون بر روی شبکه عصبی پرسپترون چندلایه استفادهکرده و سپس نتایج آن را با نتایج حاصل از آموزش شبکه عصبی با الگوریتمهای ازدحام ذرات ورقابت استعماری مقایسه میکنیم. اولین هدف این مقاله آموزش شبکه عصبی پرسپترون چندلایه با استفاده از الگوریتم ژنتیک 5 است که شبکه را با هدف پیشبینی یک مقدار پیوسته آموزش میدهیم همچنین دومین هدف این مقاله مقایسه عملکرد الگوریتمهایفرااکتشافی ژنتیک و رقابت استعماری و ازدحام ذرات در آموزش شبکه عصبی پرسپترون چندلایه است. اگرچه رویکرد پیشنهادی تاثیر بهسزایی در بهبود فرایند آموزش شبکه دارد، با اینحال نتایج نشان میدهد که الگوریتم ازدحام ذرات در مقایسه با دو رویکرد دیگر دارای عملکرد بهتری میباشد

Keywords:

الگوریتم ژنتیک , آموزش شبکه عصبی پرسپترون چندلایه , الگوریتمهای فرااکتشافی , الگوریتم ازدحام ذرات , الگوریتم رقابت استعماری