مدلسازی فرآیندهای غذایی به روش الگوریتم ژنتیک_شبکه عصبی مصنوعی

با افزایش توان کامپیوترهای مدرن دانشمندان بیشتر درگیر ا ستفاده موثرازماشین ها برای انجام کارهایی که انسان آنها را به سادگی انجام میدهد شده اند محاسبات دیجیتالی و ترتیبی موجود که مبتنی برمنطق دودویی باینری است دربسیاری اززمینه ها بهترین روش برای حل مسائل بوده است اما برای انواع دیگری ازمسائل موفقیت کمتری به همراه داشته اند امروزه شبکه های عصبی ازکاربردی ترین حوزه های علوم کامپیوتر محسوب میگردند که اندک اندک نقش خود را بخ وبی درحوزه های گوناگون نشان داده اند توانایی پیشگویی یک شبکه عصبی به ساختارآن وابستگی کامل دارد نوع تابع انتقال تعدادلایه ها و تعداد نرونهای لایه پنهان تخمین تعداد نرونهای لایه پنهان عموما وابسته به کاربرد شبکه و شرایط تعیین پارامترهای شبکه دارد و عموما به وسیله آزمون و خطا تعیین میگردد که وقت گیر بوده و دارای خطا می باشد روشهای اپتیمم سازی ازقبیل الگوریتم ژنتیک درجهت غلبه براین مشکل ذاتی شبکه های عصبی میتوانند مورد استفاده قرارگیرند. لذا به منظور بدست آوردن تعدادبهینه نرون ها درلایه پنهان میتوان ازروش الگوریتم ژنتیکی استفاده نمود.

کلیدواژه ها:

الگوریتم ژنتیک ، شبکه عصبی ، نرون ، لایه پنهان ، مدلسازی