آموزش شبکه های عصبی مصنوعی به کمک الگوریتم بهینه سازی توده ذرات با سرمایش تدریجی (SAPSO)

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,719

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ACCSI13_144

تاریخ نمایه سازی: 25 آبان 1386

چکیده مقاله:

شبکه های عصبی مصنوعی کاربرد های فراوانی در جداسازی داده ها، انطباق پذیری و یادگیری ماشینی دارند . یکی از چالش های موجود در شبکه های عصبی مسئله آموزش آن می باشد . شبکه می بایست ابتدا آموزش ببیند و سپس بر اساس اندوخته هایش عمل نماید. روش های آموزش آماری همچون پس انتشار خطا(Back Propagation) دارای سرعت پایین و توقف در نقاط بهینه محلی می باشد. از سوی دیگر الگوریتم بهینه سازی توده ذرات با سرمایش تدریجی(SAPSO) قادر است که با ترکیب دو ایده سرمایش تدریجی(Simulated Anealing) و بهینه سازی توده ذرات (Particle ،Swarm Optimization) یک روش غیر قطعی در فضای جواب ها، جوابی نزدیک به بهترین جواب را با سرعت و دقتی بالا پیدا نماید . با توجه به دانش نگارندگان، برای اولین بار است که ازSAPSO برای برای تعلیم شبکه های عصبی استفاده می شود که گزارشات آن در این مقاله ارائه می شود. نتایج شبیه سازی نشان می دهد که این الگوریتم به طور متوسط 30 % سریع از روش پس انتشار خطا و به طور متوسط 20% صحت بهتری از روش پس انتشار خطا دارد

کلیدواژه ها:

شبکه های عصبی- بهینه سازی توده ذرات –سرمایش تدریجی- روش پس انتشار خطاSAPSO -PSO

نویسندگان

مجید بهره پور

باشگاه پژوهشگران جوان موسسه آموزش عالی خاوران مشهد

مهدی هروی

دانشگاه آزاد اسلامی واحد مشهد انجمن استعداد های ایرانی

سیدمحمدرضا فرشچی

موسسه آموزش عالی سجاد مشهد انجمن استعداد های ایرانی

محمدعلی میرزابابایی

پارک علم و فناوری خراسان شرکت روبات سازان شرق

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • *An Analysis of PSO Hybrid Algorithms for Feed- Forward Neural ...
  • ، Research On Fault Diagnosis of Gearbox Based On Particle ...
  • *Adapting Particle Swarm Optimization to Stock Markets?^ Jovita Nenortaite, Rimvydas ...
  • ، Nonlinear System Identification Based on B-Spline Neural Network and ...
  • James Kennedy and Russell C Eberhart, Swarm Intelligence, Morgan Kaufman ...
  • Xiaohui Hu, Particle Swarm Optimization Tutorial, Online: httbp ://web.ic S ...
  • Mahamed .H.Omran. , Particle Swarm Optimization Methods for Pattern Recognition ...
  • XI-HUAI WANG, J UN-JUN LI, HYBRID PARTICLE SW ARM O ...
  • Multi Layered Feed forward Neural Networks ' Dataset ...
  • Ant Colony Optimization _ Tabu Search ...
  • نمایش کامل مراجع