روشی ساخت یافته برای تعیین ساختار اولیه شبکه های عصبی مصنوعی

هدف از این پژوهش بررسی عملکرد و بهبود روش پیشنهادی توسط بوز و گارگا برای تعیین ساختار اولیه شبکه های عصبی مصنوعی است. روش بوز و گارگا با استفاده از ساختار هندسی نمودار ورونوی برای داده های دوبعدی، شبکه عصبی مناسب برای کلاس بندی داده ها را پیشنهاد می دهد. یکی از مشکلات این روش احتمال پیشنهاد شبکه ای با تعداد زیاد نورون ها میباشد که در روش پیشنهادی این نوشتار، این معضل بهبود خواهد یافت. بررسی عملکرد روش مطرح شده در این نوشتار با پیاده سازی الگوریتم و مثال های واقعی در نرم افزار متلب صورت گرفته است. به منظور نیل به نتایج مویثر، ابتدا نمونه ای از یک مجموعه با تعداد داده های محدود توسط الگوریتم بررسی شده و سپس یک نمونه واقعی با حجم داده های بیشتر مورد ارزیابی قرار گرفته و نتایج در نرم افزار متلب پیاده سازی شده است. در هر مرحله مقایسه ای میان شبکه عصبی پیشنهادی توسط الگوریتم بوز و گارگا با شبکه عصبی بدست آمده از روش های معمول تعیین ساختار اولیه شبکه های عصبی مصنوعی در نرمافزار متلب صورت گرفته و نتایج در قالب نمودار بررسی شده است. این مقایسه ها در سه قالب مقایسه از دیدگاه نظری، مقایسه از دیدگاه عملی در مقیاس کوچک و مقایسه از دیدگاه عملی در مقیاس بزرگ صورت گرفته و در هر مورد نتایج نشان دهنده برتری شبکه های عصبی پیشنهادی الگوریتم بوز و گارگا از نظر عملکرد بوده است

کلیدواژه ها:

شبکه عصبی مصنوعی ، تعیین ساختار اولیه شبکه عصبی ، بوز و گارگا ، کلاس بندی ، خوشه بندی ، نمودار ورونوی ، ساختارهای هندسی