نادر محرم زاده - دانشجوی کارشناسی ارشد الکترونیک دانشگاه آزاد اسلامی واحد تهران مرکز
فرداد فرخی - دکترای مهندسی پزشکیمدیر گروه برق
نیلا حقانی - دانشجوی کارشناسی ارشد مهندسی پزشکی دانشگاه آزاد اسلامی واحد علوم و تح

در این مقاله به طراحی ساختار بهینه شبکه های عصبی مثنوعی با استفاده از الگوریتم تکاملی برای کلاسه بندی داده های مربوط به دنیای واقعی پرداخته شده است. تابع شایستگی الگوریتم ژنتیک عبارت است از حداکثر صحت کلاسه بندی (Classification Accuracy) داده ها تقسیم بر حداقل تعداد نرونهای شبکه . با این رویکرد یک شبکه پرسپترون دولایه بعنوان ساختار شبکه عصبی انتخاب و از روش مستقیم برای اجرای الگوریتم ژنتیک استفاده شد

شبکه های عصبی مصنوعی، بهینه سازی ساختار، پرسپترون چند لایه