• ارائه یک روش جهش جدید برای الگوریتم تکامل تفاضلی و استفاده از آن برای آموزش شبکه های عصبی

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1392/07/24
    • تاریخ انتشار در تی پی بین: 1392/07/24
    • تعداد بازدید: 1546
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
     امروزه شبکه های عصبی مصنوعی کاربرد وسیعی در زمینه های مختلفی از جمله تشخیص الگو و تقریب تابع دارند. آموزش شبکه های عصبی فرآیند پیچیده ای می باشد و تاکنون الگوریتم های مختلفی برای آموزش شبکه های عصبی ارائه شده است. یکی از روش های متداول برای آموزش شبکه های عصبی استفاده از الگوریتم های مبتنی بر گردایان مانند الگوریتم پس انتشار است. از مهمترین مشکلات الگوریتم های مبتنی بر گردایان، توقف این الگوریتم ها در نقاط بهینه محلی و کند بودن روند همگرایی می باشد. برای رفع مشکلات الگوریتم های مبتنی بر گردایان از الگوریتم های تکاملی برای آموزش شبکه های عصبی استفاده شده است. در این مقاله یک روش جدید برای بهبود کارایی الگوریتم تکامل تفاضلی ارائه شده است و از این الگوریتم، برای آموزش شبکه های عصبی استفاده شده است. مقایسه نتایج روش پیشنهادی و الگوریتم های دیگر نشان می دهد که روش پیشنهادی، دارای سرعت و دقت همگرایی بهتری نسبت به روش های دیگر است.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها