آموزش بهینه شبکه عصبی با استفاده از روش بهینه سازی IPO
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 932
فایل این مقاله در 6 صفحه با فرمت PDF 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:
IPRIA03_032
تاریخ نمایه سازی: 13 شهریور 1396
چکیده مقاله:
کاربرد روز افزون شبکه های عصبی پرسپترون (MLP) در حل مسایل مهندسی و سیستم های هوشمند سبب گرایش به ابداع روشهایمختلف در آموزش شبکه های عصبی شده است. متداول ترین روش آموزش شبکه های عصبی روش پس انتشار خطا است که همگرایی کند و توقفدر نقاط بهینه ی محلی از نقاط ضعف آن است. در این مقاله برای اولین بار الگوریتم نوین بهینه سازی صفحات شیب دار (IPO) در آموزش بهینه ی شبکه عصبی جهت طبقه بندی داده استفاده شده است. با توجه به نتایج به دست آمده از آموزش بهینه ی شبکه عصبی پرسپترون می توان بیانکرد که الگوریتم پیشنهادی از لحاظ دو معیار مهم نرخ تشخیص صحیح داده و قابلیت اطمینان نسبت به دو الگوریتم پرکاربرد بهینه سازی ازدحامذرات (PSO) و جستجوی گرانشی (GSA) عملکرد بهتری داشته است.
کلیدواژه ها:
نویسندگان
نجمه صیادی شهرکی
دانشجو الکترونیک، دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند
سیدحمید ظهیری
استاد گروه الکترونیک ، دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند