مریم ده باشیان - دانشگاه بیرجند
سیدحمید ظهیری - دانشگاه بیرجند
ناصر مهرشاد - دانشگاه بیرجند

یکی از حوزه های تحقیقاتی مهم در پردازش تصویر فشرده سازی تصاویر است تاکنون روشهای مختلفی برای فشرده سازی تصویر ارائه شده اند دراین میان شبکه های عصبی مخاطبان زیادی را بخود جلب کرده اند متداولترین روش اموزشی شبکه های عصبی روش پس انتشار خطاست که همگرایی کند و توقف در بهینه های محلی از مهمترین نقاط ضعف آن محسوب می شوند رویکرد جدید محققین استفاده از الگوریتم های ابتکاری در فرایند اموزش شبکه های عصبی است در این مقاله روش اموزشی نوینی مبتنی بر روش جستجوی گرانشی GSA معرفی می شود روش جستجوی گرانشی اخرین و جدیدترین نسخه از انواع روشهای جستجو و بهینه سازی هوش جمعی است دراین روش کاندیدهای پاسخ در فضای جستجو اجرامی هستند که توسط نیروی گرانش بریکدیگر اثر گذاشته و موقعیتشان تغییر می کند اجرام با برازندگی بهتر دارای جرم بیشتری بوده و بر اجرام دیگر تاثیر بیشتری دارند در تحقیق حاضر با استفاده از الگوریتم GSA یک شبکه عصبی MLP به منظور فشرده سازی تصاویر اموزش داده می شود برای ارزیابی کارایی فشرده ساز ارائه شده عملکرد آن با الگوریتم PSO و روش متداول پس انتشار خطا در فشرده سازی چهار تصویر استاندارد مقایسه می شود نتایج نهایی گویای قابلیت چشمگیر روش GSA در اموزش شبکه های عصبی MLP می باشد.

الگوریتم های ابتکاری، الگوریتم جستجوی گرانشی، شبکه عصبی چند لایه، فشرده سازی تصویر