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: (7076 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.
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