ترکیب الگوریتم های ARO و COA برای تعیین وزن های شبکه عصبی پرسپترون چند لایه

شبکه عصبی یکی از پرکاربرد ترین الگوریتم ها در حیطه یادگیری ماشین است، از طرفی آموزش شبکه عصبی فرایندی پیچیده ومهم است. از این رو در این مقاله، تلاش بر آن است تا با استفاده از ترکیبی از الگوریتم بهینه سازی فاخته و الگوریتم تولید مثل غیرجنسی، وزن های بهینه را برای شبکه عصبی پرسپترون چند لایه بیابیم. روش پیشنهادی به کمک الگوریتم تولید مثل غیر جنسی، درهر نسغ از الگوریتم بهینه سازی فاخته، جستجوی دقیقی برای یافتن بهینه ی بهتری نسبت به بهینه ی یافته شده توسط الگوریتمبهینه سازی فاخته، انجام میدهد. از این رو قادر است پاسخ بهینه ی دقیق تری نسیت به الگوریتم بهینه سازی فاخته ارائه کند. مقایسهنتایج روش پیشنهادی با الگوریتم رقابت استعماری و الگوریتم بهینه سازی فاخته نشان می دهد روش پیشنهادی بر روی مجموعه داده های تست شده (WINE,ABALONE,IRIS,GLASS) با پارامتر های تعیین شده، دارای کارایی بهتری نسبت به الگدوریتم رقابت استعماری، و الگوریتم بهینه سازی فاخته است.

کلیدواژه ها:

الگوریتم بهینه سازی تولید ملغ ریر جنسی ، الگوریتم بهینه سازی فاخته ، شبکه های عصبی مصنوعی ، الگوریتم بهینه سازی ، آموزش شبکه های عصبی