استفاده از الگوریتم ژنتیک در کاربرد انتخاب بهینه پارامترهای شبکه عصبی
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,280
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MHAA01_143
تاریخ نمایه سازی: 17 اسفند 1393
چکیده مقاله:
انتخاب ویژگیهای اصلح دررده مسائل سخت قرارمیگیرد کاهش ابعادویژگیها درراستای افزایش کارایی کاهش زمان پردازش و ارتقای عملکرد افزایش دقت بازشناسی بهویژه درکاربردهای بازشناسی الگو همواره چالش برانگیز بودها ست ازطرفی توانایی شبکه های عصبی درترکیب فرایندهای یادگیری استخراج ویژگی انتخاب ویژگی و طبقه بندی و توانایی الگوریتم های تکاملی درمسائل بهینه سازی درگستره وسیعی ازپژوهش ها مورد بررسی قرارگرفته اند دراین پژوهش درکابردی متفاوت ازشبکه های عصبی درراستای انتخاب ویژگیهای اصلح و نه طبقه بندی استفاده شده است به منظور یادگیری ازالگوریتم متاهیوریستیک ژنتیک درراستای انتخاب بهینه وزن ها و بایاس ها استفاده شده و جهت انتخاب ویژگی برمبنای شبکه عصبی ازمعیار نسبت سیگنال به نویز مبتنی بروزن استفاده گردیده است این راهکار برروی 11 بانک اطلاعاتی پزشکی مختلف ارزیابی شد نتایج ارزیابی امیدوار کننده بوده و توازن بین کارایی و عملکرد را به خوبی حفظ نموده است
کلیدواژه ها:
نویسندگان
محمدرضا محمدی خروشانی
دانشجوی کارشناسی ارشددانشگاه پیام نور
سیدسعید آیت
گروه علمی مهندسی کامپیوتر وفناوری اطلاعات دانشگاه پیام نور
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 :