طراحی خودکار شبکه های عصبی پیمانه ای با استفاده از برنامه نویسی ژنتیک

روش های سنتی طراحی شبکه های عصبی علاوه بر زمانبر بودن، تضمینی برای تولید شبکه عصبی بهینه نیز ارائه نمی کنند . بنابراین روش های خودکار طراحی شبکه های عصبی اهمیت و محبوبیت بیشتری پیدا کرده اند . بعلاوه شبکه های عصبی غیرپیمانه ای در مسایلی که دسته های نمونه ها دارای همپوشانی زیادی هستند نمیتوانند بطور بهینه عمل نمایند . در حالیکه شبکه های عصبی پیمانه ای با استفاده از روش تقسیم و غلبه این مشکل را حل می کنند . ما در این مقاله قصد داریم تا روشی متفاوت برای طراحی خودکار شبکه های عصبی پیمانه ای ارائه دهیم . در این روش از برنامه نویسی ژنتیک برای بدست آوردن خودکار معماری، توابع انتقال و وزن های اتصالات استفاده شده است . این روش دارای مزایای زیادی در مقایسه با سایر روش های موجود میباشد که از مهم ترین آنها می توان به برتری شبکه های کوچک بر شبکه های بزرگ، استفاده از توابع انتقال متفاوت حتی برای نورون های موجود در یک لایه از شبکه عصبی، و عدم نیاز به تبدیل تمام اعضای جمعیت به شبکه عصبی جهت ارزیابی آنها اشاره کرد . آزمایشات متفاوتی بر روی تعدادی مجموعه داده معتبر انجام گرفته است . نتایج بدست آمده نشان می دهد که استفاده از برنامه نویسی ژنتیک برای طراحی خودکار شبکه های عصبی روشی مناسب بوده که با سایر روش های موجود قابل رقابت و حتی در بعضی از شرایط بهتر نیز عمل میکند .

کلیدواژه ها:

شبکه های عصبی پیمانه ای ، پردازش تکاملی ، برنامه نویسی ژنتیک