دوره 13، شماره 1 - ( 3-1395 )                   جلد 13 شماره 1 صفحات 114-101 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Ahmadizar F, Soltanian K, AkhlaghianTab F. Construction and Training of Artificial Neural Networks using Evolution Strategy with Parallel Populations. JSDP 2016; 13 (1) :101-114
URL: http://jsdp.rcisp.ac.ir/article-1-110-fa.html
احمدی زر فردین، سلطانیان خه‏ بات، اخلاقیان‏ طاب فردین. طراحی و آموزش شبکه‏ های عصبی مصنوعی به وسیله استراتژی تکاملی با جمعیت‏ های موازی. پردازش علائم و داده‌ها. 1395; 13 (1) :101-114

URL: http://jsdp.rcisp.ac.ir/article-1-110-fa.html


دانشگاه کردستان
چکیده:   (6767 مشاهده)
کاربرد شبکه‏‏ های عصبی مصنوعی در حوزه‏ هایی از قبیل دسته‏ بندی تصاویر و سیگنال های صوتی مؤید توانایی این ابزار قدرتمند هوش مصنوعی در حل مسائل دنیای امروز است. طراحی و آموزش شبکه‏ های عصبی همواره یک فرآیند زمان‏بر و مشکل بوده است. یک مدل عصبی مناسب باید بتواند الگوی داده‏ های آموزشی را فراگرفته و نیز قابلیت تعمیم داشته باشد. در این مقاله، از جمعیت‏ های موازی برای طراحی معماری شبکه عصبی و همچنین از استراتژی تکاملی برای آموزش آن استفاده شده است، به‏ طوریکه در هر جمعیت شبکه ای با معماری خاصی تکامل می‏ یابد. با کمک یک روش انتخاب دومعیاره مبتنی بر میزان خطا و پیچیدگی شبکه‏ ها، الگوریتم ارائه شده قادر است شبکه‏ های ساده با قابلیت تعمیم بالا تولید کند. برای ارزیابی کارایی الگوریتم پیشنهادی از 7 مسأله استاندارد دسته‏ بندی استفاده شده است. روش ارائه شده با روش‏های تکامل اوزان، تکامل معماری و نیز الگوریتم‏های تکامل همزمان معماری و اوزان مورد مقایسه قرار گرفته است. نتایج آزمایش‏ها کارایی و پایداری این روش را نسبت به روش‏های مورد مقایسه نشان می‏دهد. در این مقاله، همچنین تأثیر وجود جمعیت‏های موازی، روش انتخاب دومعیاره و نیز عملگر ادغام در الگوریتم ارائه شده مورد بررسی قرار گرفته است. از مزایای اصلی این روش بهره‏ گیری از پردازش موازی به وسیله جمعیت‏های مستقل است.
متن کامل [PDF 2430 kb]   (4006 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات گروه رمز
دریافت: 1392/3/18 | پذیرش: 1394/12/7 | انتشار: 1395/4/2 | انتشار الکترونیک: 1395/4/2

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.