آموزش بهینه شبکه عصبی با استفاده از روش بهینه سازی IPO

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:

آموزش شبکه های عصبی ، الگوریتم بهینه سازی صفحات شیب دار ، طبقه بندی داده ، قابلیت اطمینان