دسته بندی شبکه عصبی مصنوعی با استفاده از الگوریتم فرا ابتکاری پروانهی سلطان

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 400

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

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CEITECH01_155

تاریخ نمایه سازی: 17 آبان 1396

چکیده مقاله:

از مهمترین ویژگی های یک دسته بند، دقت بالا در پیش بینی و تعیین دسته داده ها است. شبکه های عصبی یکی از انواع دسته بندهایی هست که می تواند دقت بالایی در مدلسازی فراهم کند. به همین دلیل الگوریتم های متفاوتی مانند پس انتشار خطا و الگوریتم های فراابتکاری جهت آموزش وزن های شبکه های عصبی ارایه شده است. در این مقاله از الگوریتم فراابتکاری جدید پروانه سلطان جهت فرایند آموزش وزن های شبکه عصبی استفاده شده است. عملکرد روش پیشنهادی بر روی مجموعه داده iris آزمایش شده و نتایج حاصل از مقیاس با پنج روش نشان داد که دقت دسته بندی روش پیشنهادی به طور قابل توجهی بیشتر ومیانگین مربعات خطای آن کمتر است.

نویسندگان

نیلوفر بهفر

دانشجوی کارشناسی ارشد گروه کامپیوتر، گرایش نرم افزار، سنندج، دانشگاه آزاد اسلامی، واحد سنندج

سیدامیر شیخ احمدی

عضو هییت علمی دانشگاه آزاد اسلامی سنندج، سنندج

فایق ظاهری

عضو هییت علمی دانشگاه آزاد اسلامی سنندج، سنندج