CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

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

اعتبار موردنیاز : ۱ | تعداد صفحات: ۴ | تعداد نمایش خلاصه: ۳۱۹۸ | نظرات: ۰
سال انتشار: ۱۳۸۶
نوع ارائه: پوستر
کد COI مقاله: ACCSI13_144
زبان مقاله: فارسی
حجم فایل: ۱۳۲.۳۹ کیلوبایت (فایل این مقاله در ۴ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۴ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

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

  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

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

کلیدواژه‌ها:

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

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ACCSI13-ACCSI13_144.html
کد COI مقاله: ACCSI13_144

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
بهره پور, مجید؛ مهدی هروی؛ سیدمحمدرضا فرشچی و محمدعلی میرزابابایی، ۱۳۸۶، آموزش شبکه های عصبی مصنوعی به کمک الگوریتم بهینه سازی توده ذرات با سرمایش تدریجی (SAPSO)، سیزدهمین کنفرانس سالانه انجمن کامپیوتر ایران، جزیره کیش، انجمن کامپیوتر، دانشگاه صنعتی شریف، https://www.civilica.com/Paper-ACCSI13-ACCSI13_144.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (بهره پور, مجید؛ مهدی هروی؛ سیدمحمدرضا فرشچی و محمدعلی میرزابابایی، ۱۳۸۶)
برای بار دوم به بعد: (بهره پور؛ هروی؛ فرشچی و میرزابابایی، ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: موسسه غیرانتفاعی
    تعداد مقالات: ۱۰۳۹
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط


    مقالات فوق بر اساس داده کاوی مقالات مطالعه شده توسط پژوهشگران محاسبه شده است.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.