آموزش شبکه های عصبی پیشرو با استفاده از الگوریتم بهینه ساز تعادل به منظور شناسایی سیستم غیرخطی

اخیرا استفاده از شبکه های عصبی مصنوعی ANN هر حوزه های تحقیقاتی عددی رواج یافته است و کاربردهای بسیاری برای آن پیشنهاد و استفاده شده است . یکی از مهم ترین موضوعات در شبکه های عصبی، بحث یادگیری آن ها می باشد لذا انتخاب و اعمال یک روش آموزشی مناسب برای رسیدن به بهترین جواب جزء مساعل ضروری می باشد.دو روش معمول برای آموزش شبکه های عصبی وجوه دارد: روش پس انتشار BP که به دلیل ماهیت خود هر بسیاری از مسائل ، به سرعت به جواب های محلی همگرا می شود و روش استفاده از الگوریتم های هوش جمعی که با توجه به نوع عملکرد و استفاده از هوش جمعی می تواند از همگرایی به جواب های محلی جلوگیری کرده ودر زمان مناسب به جواب های بهتری دست ‍‍‍‍‍‍پیدا کنند. جدیدترین تحقیقات انجام شده هر زمینه الگوریتم های هوش جمعی منجر به معرفی روشی به نام الگوریتم بهینه ساز تعادل EO شده است که میتواند یک مسئله بهینه سازی را درهر زما ن کوتاه و با جواب مناسبی حل نماید .هدف اصلی این مقاله، استفاده از این الگوریتم بهینه ساز تعادل هر بحث آموزش شبکه های عصبی می باشد که برای شناسایی یک رابطه غیر خطی مورد استفاده قرارگرفته است .برای بررسی عملکرهدروش پیشنهادی نتایج حاصل از این روش با سه روش شناخته شده دیگر: روش پس انتشار خطا الگوریتم بهینه ساز ازدحام ذرات PSO و الگوریتم بهینه ساز سالپ(SSO) ، مورد مقایسه و ارزیابی قرارگرفته و مزیت های روش پیشنهادی هر یادگیری شبکه عصبی بیان شده است.

کلیدواژه ها:

شبکه عصبی پیشرو ، الگوریتم بهینه ساز تعادل ، آموزش شبکه عصبی ، شناسایی سیستم