طبقه بندی داده هادر وزن های بهینه با استفاده ازترکیب شبکه عصبی و الگوریتم ژنتیک

امروزه، طبقه بندی داده ها اثر مهمی را در بیشتر زمینه های علمی وتحقیقاتی مانند داده کاوی، پزشکی، نظامی، و… ایفامی نماید . یکی از مشکلات شبکه عصبی ، حساس بودن به وزن های اولیه می باشد . اگر وزن ها به درستی انتخاب نشوند درآن صورت تعداد تکرار زیاد شده و ممکن است شبکه به سمت وزن های بهینه همگرا نشود و در بهینه محلی گرفتار شود.از آنجایی که وزن های اولیه در رسیدن شبکه های عصبی به پاسخ بهینه بسیار مهم می باشند، لذا در این مقاله از الگوریتممعروف و قدرتمند ژنتیک برای تعیین وزن های اولیه شبکه عصبی بصورت بهینه استفاده شده است، و پس از تعیین وزن هایاولیه ادامه مراحل توسط الگوریتم آموزشی خود شبکه عصبی که مبتنی بر گرادیان می باشد ، تا رسیدن به وزن هایمطلبوب به جهت دست یافتن به پاسخ های صحیح به ازای ورودی انجام شده است. هدف ما در این مقاله این است که بابررسی راه حل هاو مقادیرمختلف ، الگوریتمی را که تاحد قابل قبولی بتواند محدودیت های موجود را پوشش دهد، ارائهگردد . در نتیجه توانایی بالا و مقاوم بودن این روش بر اساس نتایج های صورت گرفته مشهود خواهد بودو به نتایجمطلوبی دست پیدا می کند . در این تحقیق از Dataset بیماران اختلالات کبدی بنام Disorders-Liver از موسسهتحقیقات پزشکی BUPA استفاده شده است .

کلیدواژه ها:

الگوریتم ژنتیک ، شبکه عصبی ، محاسبات نرم ، تعیین وزنها ، کلاس بندی داده ها