CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

استفاده از الگوریتم ژنتیک جهت بهبود یادگیری انتشار ارتجاعی در شبکه عصبی پرسپترون چند لایه

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۴۵۷۴ | نظرات: ۰
سال انتشار: ۱۳۸۶
کد COI مقاله: IDMC01_045
زبان مقاله: فارسی
فایل PDF حاوی متن کامل این مقاله در حال حاضر در سایت موجود نمی‌باشد.

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله منتشر نشده و درپایگاه سیویلیکا موجود نمی باشد.

منبع مقالات سیویلیکا دبیرخانه کنفرانسها است. برخی از دبیرخانه ها اقدام به انتشار اصل مقاله نمی نمایند. به منظور تکمیل بانک مقالات موجود، چکیده این مقالات در سایت درج می شوند ولی به دلیل عدم انتشار اصل مقاله، امکان ارائه آن وجود ندارد.

خرید و دانلود PDF مقاله

اصل مقاله (فول تکست) فوق منتشر نشده و یا در سایت موجود نیست و امکان خرید آن فراهم نمی باشد

مشخصات نویسندگان مقاله استفاده از الگوریتم ژنتیک جهت بهبود یادگیری انتشار ارتجاعی در شبکه عصبی پرسپترون چند لایه

  پیمان معلم - استادیار گروه الکترونیک، دانشکده فنی و مهندسی، دانشگاه اصفهان
غلامرضا فرخ فال - دانشجوی کارشناسی ارشد مهندسی برق - مخابرات، دانشگاه آزاد اسلامی واحد

چکیده مقاله:

امروزه استفاده از شبکه عصبی پرسپترون چند لایه در بسیاری از مسائل داده کاوی و شناسایی الگو، مرسوم است. به علت پیچیدگی و تنوع داده ها، توجه به انتخاب روش آموزش شبکه عصبی با توجه به زمان بر بودن آن، اهمیت فراوانی دارد. یکی از فاکتورهای اساسی و عملی در آموزش، نرخ همگرایی شبکه است که رابطه مستقیمی با مدت زمان اموزش خواهد داشت که برای روشهای گرادیانی که امروزه برای اموزش شبکه عصبی استفاده می شود، کاملاً وابسته به نقطه شروع خواهد بود. در این مقاله از روش ژنتیک جهت بهبود نرخ همگرایی الگوریتم یادگیری انتشار ارتجاعی که از روشهای محلی موفق د رآموزش شبکه عصبی است، استفاده میشود. برای این منظور، برای بدست آوردن یک نقطه شروع برای یادگیری انتشار ارتجاعی، در ابتدا از الگوریتم ژنتیک با جمعیتی کوچکی در حدود 12 کروموزوم استفاده شده وپس از حدود 10 تکرار، بهترین جوابهای بدست امده به یادگیری انتشار ارتجاعی، تحویل می شود. در واقع، استفاده از الگوریتم ژنتیک در ابتدای روش پشنهادی باعث نزدیک شدن به جواب بهینه شده و باعث تسریع یادگیری محلی و افزایش نرخ همگرایی می گردد که علت آن همانطور که ذکر گردید شروع جستجوی محلی از جواب بهینه تحویلی بوسیله الگوریتم ژنتیک می باشد. الگوریتم پیشنهادی (ترکیب روش ژنتیک و یادگیری انتشار ارتجاعی) به زبان C پیاده سازی شد و نتایج آن برای مسائل مختلفی مورد آزمایش قرار گرفت. نتایج، نشان دهنده افزایش درصد همگرایی بواسطه استفاده از الگوریتم ژنتیک در انتخاب نقطه شروع مناسب بود. همچنین سرعت همگرایی نیز نسبت به زمانی که فقط از الگوریتم زنتیک استفاده شود، افزایش یافته است. در عین حال در مسائل پیچیده، همگرایی نسبت به یادگیری ارتجاعی نیز سریعتر می شود.

کلیدواژه‌ها:

آموزش انتشار ارتجاعی ، شبکه عصبی پرسپترون چند لایه ، الگوریتم ژنتیک ، نرخ همگرای

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-IDMC01-IDMC01_045.html
کد COI مقاله: IDMC01_045

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:
معلم, پیمان و غلامرضا فرخ فال، ۱۳۸۶، استفاده از الگوریتم ژنتیک جهت بهبود یادگیری انتشار ارتجاعی در شبکه عصبی پرسپترون چند لایه، اولین کنفرانس داده کاوی ایران، تهران، دانشگاه صنعتی امیرکبیر، موسسه پژوهشی داده پردازان گیتا، https://www.civilica.com/Paper-IDMC01-IDMC01_045.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: (معلم, پیمان و غلامرضا فرخ فال، ۱۳۸۶)
برای بار دوم به بعد: (معلم و فرخ فال، ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز:
تعداد مقالات: ۱۵۲۷۴
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 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.