بهینه سازی شبکه های عصبی مصنوعی با استفاده از الگوریتم ژنتیک و الگوریتم رقابت استعماری جهت تخمین قدرت تبخیر جو
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 417
فایل این مقاله در 14 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
COMCONF03_211
تاریخ نمایه سازی: 6 اردیبهشت 1396
چکیده مقاله:
تخمین قدرت تبخیر جو، به سبب تاثیر عناصر هواشناسی در محاسبه تبخیر، دارای روابط غیرخطی و محاسبات پیچیده می باشد. از این رو، شبکه های عصبی مصنوعی به دلیل دارا بودن قابلیت کشف روابط خطی و غیرخطی، ابزار مناسبی جهت تخمین تبخیر محسوب می شوند. فرآیند آموزش، یکی از چالش های اصلی در استفاده از شبکه های عصبی مصنوعی در مواجه با مسایل دنیای واقعی است. روش های مبتنی بر گرادیان نزولی از مشهورترین روش های یادگیری در تعیین وزن های شبکه عصبی می باشند. سرعت پایین همگرایی و همچنین قرار گرفتن در کمینه های محلی، دو مشکل اساسی در استفاده از این روش ها برای تعیین وزن های شبکه است. از این رو، روش های جستجو بر پایه الگوریتم تکاملی برای فایق آمدن بر مشکلات فوق مورد استفاده قرار گرفته اند. در این مقاله از الگوریتم ژنتیک و الگوریتم رقابت استعماری در جهت آموزش شبکه های عصبی مصنوعی برای تخمین قدرت تبخیر جو استفاده کردیم و نتایج بدست آمده نشان دهنده کارایی و همگرایی بهتر دو روش پیشنهادی می باشد.
کلیدواژه ها:
نویسندگان
محبوبه توسلی
دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد آیت الله آملی
حمید توکلایی
عضو هیات علمی، دانشگاه آزاد اسلامی واحد آیت الله آملی
مهدی یدالهی
عضو هیات علمی، دانشگاه آزاد اسلامی واحد آیت الله آملی
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 :