ارایه رویکردی مبتنی بر تکنیکهای دادهکاوی جهت بهبود عملکرد شبکههای عصبی مصنوعی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 439

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RKES01_336

تاریخ نمایه سازی: 21 شهریور 1395

چکیده مقاله:

بهبود عملکرد شبکههای عصبی مصنوعی مسالهای است که در چند سال اخیر توجه ویژهی محققین را به خود جلب کرده است و راهکارهای متعددی با هدف کاهش خطای شبکههای عصبی ارایه گردیده است. در این پژوهش یک رویکردساده مبتنی بر خوشهبندی جهت بهبود عملکرد شبکههای عصبی مصنوعی ارایه شده است. در این پژوهش با استفاده از تکنیکهای دادهکاوی نظیر خوشهبندی عی شده است عملکرد شبکه عصبی بهبود داده شود. معیاری که جهت ارزیابی عملکرد شبکه عصبی استفاده شده است میانگین درصد خطای مطلق میباشد. برای انجام اینکار، ابتدا کل دادهها را به چند خوشه تقسیم مینماییم و سپس ساختارهای مختلف را برای هر خوشه اجرا میکنیم و در نهایت جهت ارزیابیعملکرد هر خوشه از ساختار بهینه مربوط به آن خوشه استفاده مینماییم. جهت بررسی عملکرد رویکرد ارایه شده، اینکار برروی کل دادهها بدون انجام خوشهبندی نیز انجام شده است و نتایج نشان دادند که عملکرد شبکه عصبی بهبود قابل توجهی داشته است

نویسندگان

محسن صادق عمل نیک

دانشیار دانشکده مهندسی صنایع، پردیس دانشکدههای فنی، دانشگاه تهران

ناصر حبیبی فر

نویسنده مسئول: دانشجوی کارشناسی ارشد دانشکده مهندسی صنایع، پردیس دانشکدههای فنی، دانشگاه تهران

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 :
  • Azadeh, A., Ghaderi, S., Anvari, M., & Saberi, M. (2007a). ...
  • Azadeh, A., Ghaderi, S.F., Anvari, M., Saberi, M., Izadbakhsh, H., ...
  • Chiang, W.C., Urban, T.L., Baldridge, G.W., (1996). A neural network ...
  • Deng J, Jirutitijaroen. Shorr-term lo ad forecasting using time series ...
  • Ghanbari, A, Abbas ian-Naghneh, S., & Hadavandi, E. (201 1, ...
  • Hill, T., O'Connor, M., Remus, W., (1996). Neural network modelsfor ...
  • Hwan, K. J., & Kim, G. W. (2001). A short-term ...
  • Hwarng, B.H., (2001). Insights into _ eural-netword forecasting of time ...
  • Indro, D.C, iang, C.X., Patuwo, B.E., Zhang, G.P., (1999). Predicting ...
  • Jain, A., Srinivas, E., & Rauta, R. (2009, December). Short ...
  • Jhee, W.C., Lee, J.K., (1993). Performance of neural networks in ...
  • Kohzadi, N., Boyd, M.S., Kermanshahi, B., Kaastra, I., (1996). A ...
  • Khotanzad, A., Zhou, E., & Elragal, H. (2002). A neuro-fuzzy ...
  • Li F, Zhao X-M. The application of genetic algorithm in ...
  • Mishra, S., & Patra, S. K. (2008, July). Short term ...
  • Niu, D., Wang, Y., & Wu, D. D. (2010). Power ...
  • Raza, M. Q., & Khosravi, A. (2015). A review on ...
  • Paparoditis, E., & Sapatinas, T. (2013). short-term load forecasting: the ...
  • Sfetsos, A. (2003, May). Shorr-term load forecasting with _ hybrid ...
  • Senjyu, T., Mandal, P., Uezato, K., & Funabashi, T. (2005). ...
  • Stern, H.S., (1996). Neural networks _ applied statistic. Technometrics 38 ...
  • Szoplik, J. (2015). Forecasting of natural gas consumption with artificial ...
  • Tang, Z., Almeida, C., Fishwick, P., (1991). A Time series ...
  • Tang, Z., Fishwick, P.A., (1993). Ba ck-propagation neural nets _ ...
  • Tripathi, M. M., Upadhyay, K. G., & Singh, S. N. ...
  • Wu, J., Wang, J., Lu, H., Dong, Y., & Lu, ...
  • Yang, K., & Zhao, L. (2009, September). L o ad ...
  • نمایش کامل مراجع