|
عنوان
|
ارائه یک رویکرد مبتنی بر الگوریتم ژنتیک برای بهبود فرآیند آموزش شبکه عصبی پرسپترون چندلایه و مقایسه کارایی آن با سایر الگوریتمهای فرااکتشافی
|
|
نوع پژوهش
|
مقاله ارائه شده
|
|
کلیدواژه‌ها
|
الگوریتم ژنتیک، آموزش شبکه عصبی پرسپترون چندلایه، الگوریتم های فرااکتشافی، الگوریتم ازدحام ذرات، الگوریتم رقابت استعماری
|
|
چکیده
|
اگرچه علوم و فناوری های نوین امروزی سبب حل بهینه مسائل مختلف شده اند، ولی همچنان در دنیای واقعی مسائلی وجود دارند که حل آن ها بسیار مشکل و زمان بر است. از جمله این مسائل می توان به مسئله بهینه سازی آموزش شبکه عصبی پرسپترون چند لایه اشاره نمود. تاکنون الگوریتم های زیادی از جمله الگوریتم رقابت استعماری ، شبیه سازی تبرید ، کلونی مورچگان ، ازدحام ذرات و... برای حل آن پیشنهاد شده است. در این پژوهش، ما ابتدا از رویکرد اکتشافی ژنتیک برای آموزش یک مسئله رگرسیون بر روی شبکه عصبی پرسپترون چند لایه استفاده کرده و سپس نتایج آن را با نتایج حاصل از آموزش شبکه عصبی با الگوریتم های ازدحام ذرات و رقابت استعماری مقایسه می کنیم. اولین هدف این مقاله آموزش شبکه عصبی پرسپترون چند لایه با استفاده از الگوریتم ژنتیک است که شبکه را با هدف پیش بینی یک مقدار پیوسته آموزش می دهیم همچنین دومین هدف این مقاله مقایسه عملکرد الگوریتم های فرا اکتشافی ژنتیک و رقابت استعماری و ازدحام ذرات در آموزش شبکه عصبی پرسپترون چند لایه است. اگرچه رویکرد پیشنهادی تاثیر به سزایی در بهبود فرایند آموزش شبکه دارد، با اینحال نتایج نشان می-دهد که الگوریتم ازدحام ذرات در مقایسه با دو رویکرد دیگر دارای عملکرد بهتری می باشد.
|
|
پژوهشگران
|
پریا سلطانزاده (نفر اول)، مهدی هاشم زاده (نفر دوم)
|