بهینه سازی شبکه عصبی با استفاده از الگوریتم هوش کوهورت (ANN-CI) در تشخیص بیماری دیابت پایما

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 556

فایل این مقاله در 9 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCTAE01_143

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

شبکه عصبی پس انتشار پرکاربردترین مورد استفاده در شبکه های عصبی است که برای حل مسایل واقعی بسیاری به کار گرفته شده است. دقت و کارایی این الگوریتم بستگی به انتخاب وزن های اولیه، تعداد نرون ها، نرخ یادگیری و غیره دارد. از آنجا که شبکه عصبی یک الگوریتم جست و جوی محلی است، بنابراین امکان واقع شدن در مینیم محلی وجود دارد. محققان از شیوه های متفاوتی از جمله استفاده از الگوریتم جست و جوی جمعی و یا تکاملی مانند الگوریتم ژنتیک برای تنظیم پارامترهای شبکه عصبی استفاده کرده اند که بسیار مورد بررسی و استفاده قرار گرفته است. الگوریتم نوظهور هوش کوهورت یک الگوریتم جست و جوی جمعی است که برای بهینه سازی مسایل مورد استفاده قرار میگیرد و نسبت به سایر الگوریتم های هم رده ی خود در بسیاری از مسایل عملکرد بهتر و سریع تری دارد. هدف از این مقاله به کارگیری الگوریتم هوش کوهورت جهت بهینه سازی شبکه عصبی با تعیین وزن های اولیه مناسب و تعداد نرون ها است که پاسخ سریع تر و مناسب تری نسبت به ترکیب شبکه عصبی با الگوریتم ژنتیک -که بسیار مورد توجه قرار گرفته است دارد.

کلیدواژه ها:

، ANN-CI ، الگوریتم بهینه سازی ، شبکه عصبی پس انتشار ، هوش کوهورت

نویسندگان

نجمه یوسفی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر گرایش هوش مصنوعی ، دانشگاه آزاد اسلامی واحد تهران غرب

پیمان بابایی

دپارتمان کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران غرب، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Anand J. Kulkarni, Ishan P. Durugkar, Mrinal Kumar, Cohort Intelligence: ...
  • Anand J. Kulkarni, Modified Cohort Intelligence for Solving Machine Learring ...
  • Apoorva S. Shastri, Priya S. Jadhav, Anand J. Kulkarni and ...
  • Anand J. Kulkarni, Socio -Inspired Optimization Using Cohort Intelligence, Springer ...
  • Anand J. Kulkarni _ Hinna Shabir, Solving 0-1 Knupsack Problem ...
  • Suhas Machhindra Gaikwad, Rahul Raghvendra Joshi and Anand J. Kulkarni, ...
  • Ganesh Krishnasamy, Anand J. Kulkarni, Raveendran Paramesran, A hybrid approach ...
  • Randall S. Sexton, Robert E. Dorsey, and John D. Johnson, ...
  • Chien-Yu, H., Long-Hui Ch., Yueh-Li Ch., Fengming M. Ch, Evaluating ...
  • Chang, P.C., and Wang, Y.W, Fuzzy Delphi and _ ck-p ...
  • نمایش کامل مراجع