• تنظیم وزن های شبکه عصبی مصنوعی با استفاده از الگوریتم بهینه سازی دسته میگوها

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1393/09/05
    • تاریخ انتشار در تی پی بین: 1393/09/05
    • تعداد بازدید: 2350
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    امروزه دسته بندی داده ها و بازشناسی الگو یکی از مباحث های مورد توجه در علوم مختلف است. از این رو دسته بندی های متفاوتی جهت انجام این امر ساخته و ارائه شده است. از مهمترین ویژگی های یک دسته بند، دقت بالا در پیش بینی و تعیین دسته داده ها است. شبکه های عصبی یکی از انواع دسته بندی هایی هست که می تواند دقت بالایی در مدل سازی فراهم کند. این به دلیل تراکنش سیگموئید غیرخطی در لایه های پنهان می باشد. ازآن جهت استفاده از این شبکه ها در دسته بندی داده ها بسیار پرکاربرد است. یکی از چالش های اصلی شبکه های عصبی مصنوعی (ann)، نحوه ی به روز رسانی وزن های ann در هنگام آموزش است. استفاده از الگوریتم های فرامکاشفه ای نظیر بهینه سازی ازدحام ذرات، برای رفع ضعف الگوریتم های مبتنی بر گرادیان، در سالیان اخیر بسیار مورد توجه قرار گرفته است. در همین راستا، در این مقاله، الگوریتم بهینه سازی دسته ی میگوها، برای یادگیری ann، پیشنهاد شده است. در این روش، سه مولفه ی اصلی الگوریتم بهینه سازی دسته ی میگوها یعنی حرکت ایجاد شده به وسیله ی میگوهای دیگر، حرکت غذایابی و پراکندگی تصادفی، وظیفه به روزرسانی وزن های ann را به عهده دارند. همچنین کارایی آن از طریق آموزش ann های پیش خور که برای دسته بندی استفاده می شوند، آزمایش شده است. نتایج آزمایشات گسترده بر روی مجموعه داده های uci، عملکرد بهتر این روش را نسبت به روشهای قبلی نشان می دهد.

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