CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

نقش الگوریتم های فرا ابتکاری در یادگیری عمیق

اعتبار موردنیاز PDF: ۱ WORD: ۵ | تعداد صفحات: ۱۲ | تعداد نمایش خلاصه: ۱۵۱ | نظرات: ۱
سال انتشار: ۱۳۹۶
کد COI مقاله: TESCONF01_055
زبان مقاله: فارسی
حجم فایل: ۴۰۲.۶ کیلوبایت (فایل این مقاله در ۱۲ صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم 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.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF یا WORD مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۲ صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله نقش الگوریتم های فرا ابتکاری در یادگیری عمیق

  علیرضا مسرور مهرپرور - دانشجوی کارشناسی ارشد مهندسی هوش مصنوعی و رباتیکز دانشگاه ایوانکی
  محمد ربیعی - دکتری فناوری اطلاعات در مهندسی صنایع، هیات علمی دانشگاه ایوانکی
    نیما فرجیان - استادیار گروه مهندسی کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه ایوانکی

چکیده مقاله:

یادگیری عمیق گونه ای از یادگیری ماشینی است که از لایه های متعدد تبدیلات خطی به منظور پردازش سیگنال های حسی مانند صدا و تصویر استفاده می کند. ماشین در این روش مفاهیم پیچیده را به مفاهیم ساده تری تبدیل میکند و با ادامه این روند به مفاهیم پایه ای میرسد. اعتقاد بر این است که یادگیری عمیق به عنوان یک ابزار مناسب برای استخراج مفهوم از حجم بسیار بزرگی از داده ها که کلان داده نامیده می شوند، کاربرد دارد. یک ویژگی مهم کلان داده سرعت می باشد، که به این معنی است که یادگیری باید افزایشی باشد زیرا داده ها به سرعت جمع می شوند. یادگیری عمیق باید سریع و دقیق عمل کند، به همین خاطر طراحی شبکه عصبی که در زمانی معقول آموزش داده شود و دقیق عمل کند یک چالش محسوب می شود. به همین جهت از الگوریتم های فرا ابتکاری استفاده می شود. در این مقاله به بررسی الگوریتم های فراابتکاری برای بهینه سازی شبکه عصبی در زمینه تحلیل کلان داده ها می پردازیم.

کلیدواژه‌ها:

یادگیری عمیق، الگوریتم فرا ابتکاری، کلان داده

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:
https://www.civilica.com/Paper-TESCONF01-TESCONF01_055.html
کد COI مقاله: TESCONF01_055

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:
مسرور مهرپرور, علیرضا؛ محمد ربیعی و نیما فرجیان، ۱۳۹۶، نقش الگوریتم های فرا ابتکاری در یادگیری عمیق، کنفرانس ملی کاربرد فناوری های نوین در علوم و مهندسی، برق و کامپیوتر و IT، تهران، دانشگاه ایوانکی، https://www.civilica.com/Paper-TESCONF01-TESCONF01_055.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: (مسرور مهرپرور, علیرضا؛ محمد ربیعی و نیما فرجیان، ۱۳۹۶)
برای بار دوم به بعد: (مسرور مهرپرور؛ ربیعی و فرجیان، ۱۳۹۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

5.0
۱ تعداد پژوهشگران نظر دهنده
5 1
4 0
3 0
2 0
1 0
مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: موسسه غیرانتفاعی
تعداد مقالات: ۸۴۷
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.