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

بهینه سازی پارامترهای شبکه عصبیMLPبا استفاده از الگوریتمPSO

اعتبار موردنیاز: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۷۱۵ | نظرات: ۰
سرفصل ارائه مقاله: کامپیوتر
سال انتشار: ۱۳۹۰
نوع ارائه: پوستر
کد COI مقاله: ISCEE14_127
زبان مقاله: فارسی
حجم فایل: ۱۷۲.۸۳ کلیوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله بهینه سازی پارامترهای شبکه عصبیMLPبا استفاده از الگوریتمPSO

  محمد اسکندری مکوند - دانشگاه صنعتی جندی شاپور دزفول
  مریم شکیبا - مربی، دانشگاه صنعتی جندی شاپور دزفول

چکیده مقاله:

هدف از آموزش پارامترهای شبکه عصبی، یافتن مقادیری برای آنهاست به نحوی که خطای شبکه عصبی را در تقریب ویا پیشبینی تابع خروجی به حداقل برساند. لذا آموزش شبکه عصبی را می توان در بر دارنده ی یک مسئله ی بهینه سازی دانست که هدف از آن، بهینه کردن پارامترهای شبکه جهت دستیابی به حداقل خطای آموزش می باشد. در روش های مرسوم به منظور آموزش پارامترهای شبکه عصبی، از الگوریتم پس انتشار خطا و دیگر روشهای گرادیانی استفاده می شود. اما اگرچه استفاده از الگوریتمBP در سال های اخیر برای آموزش شبکه های عصبی بسیار رواج داشته است، استفاده ی از این روش در برخی موارد منجر به بروز مشکلاتی می گردد که از جمله آنها می توان به سرعت پایین همگرایی در روند آموزش و همگرایی زودرس در مینیمم های محلی اشاره نمود. به خصوص در مواردی که شکل تابع غیرخطی و پیچیده است، این روش ضعف و ناکارامدی خود را بیشتر نمایان میسازد. وجود این مشکلات سبب شد که در این تحقیق، بهینه سازی پارامترهای شبکه عصبیبا استفاده از الگوریتم بهینه سازیPSO انجام شده و نتایج حاصل از عملکرد آن با روش گرادیان نزولی مقایسه گردد. به کار گیری الگوریتم PSO در بهینه سازی پارامترهای شبکه های عصبی و مقایسه آن با الگوریتم آموزشی پس انتشار خطا، نشان می دهد که در مسائل پیچیده توأم با فرآیندهای غیر خطی، استفاده از الگوریتم پیشنهادی، کارایی بالاتری را به همراه دارد. در انتها نتایج حاصل از الگوریتم پیشنهادی و الگوریتم گرادیان نزولی به منظور تقریب دو تابع متفاوت ارائه و مقایسه شدهاند

کلیدواژه‌ها:

شبکه های عصبیMLP الگوریتم گرادیان نزولی(پس انتشار خطا)، الگوریتم بهینه سازی PSO

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:
http://www.civilica.com/Paper-ISCEE14-ISCEE14_127.html
کد COI مقاله: ISCEE14_127

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:
اسکندری مکوند, محمد و مریم شکیبا، ۱۳۹۰، بهینه سازی پارامترهای شبکه عصبیMLPبا استفاده از الگوریتمPSO، چهاردهمین کنفرانس دانشجویی مهندسی برق ایران، کرمانشاه، دانشگاه کرمانشاه، سازمان علمی دانشجویی مهندسی برق کشور، http://www.civilica.com/Paper-ISCEE14-ISCEE14_127.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: (اسکندری مکوند, محمد و مریم شکیبا، ۱۳۹۰)
برای بار دوم به بعد: (اسکندری مکوند و شکیبا، ۱۳۹۰)
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: ۷۰۲
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 پیشنهادی مرتبط

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.