مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

4,020
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

1,505
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

آموزش شبکه عصبی MLP در طبقه بندی داده ها با استفاده از روش GSA

صفحات

 صفحه شروع 267 | صفحه پایان 274

چکیده

 تاکنون شیوه های مختلفی برای طبقه بندی داده ارایه شده است اما در این میان شبکه های عصبی مخاطبان بیشتری را به خود جذب کرده اند. مهم ترین مساله در این نوع از طبقه بندی کننده ها انتخاب روشی مناسب برای آموزش شبکه های عصبی است. متداول ترین روش آموزشی شبکه های عصبی روش پس انتشار خطا است که همگرایی کند و توقف در نقاط بهینه محلی از مهم ترین نقاط ضعف آن محسوب می شود. رویکرد جدید محققین استفاده از الگوریتم های ابتکاری در فرایند آموزش شبکه های عصبی است. در این مقاله پیشنهاد استفاده از روش آموزشی نوینی به نام الگوریتم جستجوی گرانشی (GSA) در آموزش شبکه های عصبی به منظور طبقه بندی داده ها ارایه می شود. روش GSA آخرین و جدیدترین نسخه از انواع روش های بهینه سازی هوش جمعی است که با الهام از مفاهیم جرم و نیروی جاذبه و با شبیه سازی قوانین مرتبط با آن ارایه شده است. در این مقاله با استفاده از روش GSA یک شبکه عصبی MLP جهت طبقه بندی پنج مجموعه داده مرجع آموزش داده می شود. همچنین کارایی روش پیشنهادی در آموزش و آزمایش شبکه عصبی با دو روش آموزشی پس انتشار خطا و بهینه سازی گروه ذرات مقایسه می شود. نتایج نهایی نشان می دهند در اکثر موارد روش GSA قابلیت چشمگیری در طبقه بندی صحیح داده ها دارد. به علاوه در آزمایشات انجام گرفته ویژگی منحصر به فردی از روش GSA پدیدار شد و آن پایداری نسبتا عالی در طبقه بندی صحیح داده ها در تمام موارد بود. از نقطه نظر معیار زمانی نیز روش GSA نسبت به روش PSO در زمان کمتری به پاسخ مناسب دست می یابد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    دهباشیان، مریم، و ظهیری، سیدحمید. (1389). آموزش شبکه عصبی MLP در طبقه بندی داده ها با استفاده از روش GSA. مهندسی برق و مهندسی کامپیوتر ایران، 8(4)، 267-274. SID. https://sid.ir/paper/360722/fa

    Vancouver: کپی

    دهباشیان مریم، ظهیری سیدحمید. آموزش شبکه عصبی MLP در طبقه بندی داده ها با استفاده از روش GSA. مهندسی برق و مهندسی کامپیوتر ایران[Internet]. 1389؛8(4):267-274. Available from: https://sid.ir/paper/360722/fa

    IEEE: کپی

    مریم دهباشیان، و سیدحمید ظهیری، “آموزش شبکه عصبی MLP در طبقه بندی داده ها با استفاده از روش GSA،” مهندسی برق و مهندسی کامپیوتر ایران، vol. 8، no. 4، pp. 267–274، 1389، [Online]. Available: https://sid.ir/paper/360722/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button