بررسی فرآیند ارزيابي الگوريتم ژنتيك براي بهبود شبكه BPN

پژوهشگر گرامی،شما با عنوان بررسی فرآیند ارزيابي الگوريتم ژنتيك براي بهبود شبكه BPN وارد وب سایت شده اید برای دریافت فایل می توانید به ادامه مطلب بروید.
بررسی فرآیند ارزيابي الگوريتم ژنتيك براي بهبود شبكه BPN|30015459|iq

فرمت فایل: word



تعداد صفحات: 17







بسياري از بررسي ها يك رشته بيت را با استفاده از الگوريتم ژنتيك به منظور بیان ساختار شبکه نگاشت داده اند تا كارايي شبكه هاي پس انتشار خطا را بهبود بخشند. اما محدوديت ها در تكنيك هاي جستجوي گراديان كه براي مسائل بهينه سازي غير خطي پيچيده استفاده مي شوند ،اغلب كارايي متناقض و غير قابل پيش بيني را نتيجه داده اند .اين مقاله برروي چگونگي جمع آوري و ارزيابي مجدد ماتريس هاي وزن BPN تمركز دارد در حاليكه عملگرهاي الگوريتم ژنتيك در هر نسل به منظور بهينه سازي ماتريس هاي وزن پردازش مي شوند. در اين روش همچنين over fitting، يك اشكال از bpn ها كه معمولا در طول مرحله بعد ازآموزش شبكه عصبي با نزول خطاي آموزش و افزايش خطاي پيش بيني اتفاق مي افتد ، نيز قابل حذف شدن مي باشند .روش پيشنهادي ،پارامترها و توپولوژي شبكه عصبي را در جهت افزايش امكان پذيري اجراي فضاي جواب براي مسائل غيرخطي پيچيده توسعه مي هد.نتايج بدست آمده از روش پيشنهادي،شبكه عصبي BPNمبتني بر الگوريتم ژنتيك،با شبكه عصبي BPN مرسوم مقايسه مي شود.



كليد واژه الگوريتم ژنتيك،بهینه سازی، شبكه عصبي BPN







1 مقدمه



مدل هاي شبكه عصبي مصنوعي (ANN ) به طور گسترده در كاربردهاي متفاوتي استفاده شده اند. شبكه هاي پس انتشار خطا ، پركاربردترين مورد استفاده در شبكه هاي عصبي مصنوعي،براي حل تعداد زيادي از مسائل واقعي بكار گرفته شده اند.يكي از نقص ها ي اساسي در شبكه هاي عصبي جاري اين است كه پژوهش وابسته به طراحي شبكه عصبي مي باشد.طراحي يك شبكه عصبي شامل انتخاب يك مجموعه بهينه از پارامتر ها ي طراحي مي باشد تا همگرايي سريع را در طول آموزش و دقت مورد نياز را هنگام فراخواني بدست آورد.به طور معمول شبكه هاي عصبي bp توسط محققان بسيار آموزش داده شده است.متاسفانه bp يك الگوريتم جستجوي محلي است، بنابراين موجب واقع شدن در تله مي نيمم محلي مي شود.يك bpn داراي دو اشكال عمده به شرح زير است :1.تكنيك جستجوي گراديان به يك جواب بهينه با كارايي متناقض و غير قابل پيش بيني براي بعضي از كاربردها همگرا مي شود.



2.هنگاميكه در بعضي نواحي در مينيمم محلي واقع مي شود تكنيك جستجوي گراديان به طور ضعيفي در بدست آوردن يك جواب بهينه عمومي عمل مي كند .



عمده ترين مسئله در طول پروسه آموزش شبكه عصبي احتمال OF (Over Fitting) در داده هاي آموزش مي باشد.بدين معنا كه در طول يك دوره آموزش معين شبكه ،قابليت حل مسائل توسط آن بهتر نمي شود.



بهترين روش براي كاهش وزن ها در [1]پيشنهاد شده بود تا از چنين OF دوري نمايد .در بررسي ]2[شبكه پس انتشار خطا روي مجموعه داده نشان داده شده موجب OF شد كه بعد از تعداد تكرار مشخصي در مرحله آموزش شروع شد .دو استراتژي ارائه شدند تا مقدار اطلاعات انتقال داده شده را به وسيله يك شبكه feed forward،رو به جلو، كه در آناليز مولفه اصلي (PCA) استفاده شده بود محدود كنند .در ]3[ zhang و همکارانش نشان دادند كه OF همچنين هنگاميكه تقريب چند جمله اي هاي مرتبه بالا براي مناسب سازي تعداد كمي از نقاط استفاده شده بود اتفاق مي افتد . با توجه به اين موارد بهبود همگرايي bpn و دوري از OF داده ها در طي آموزش هر دو خيلي مهم هستند.



مطالب دیگر:
🔍دانلود پاورپوینت جاذبه های تورسیتی استان کرمان🔍دانلود پاورپوینت مراحل رنگ آمیزی قطعات پلیمری🔍دانلود پاورپوینت نمای خشک جهت🔍دانلود پاورپوینت کاشی و سرامیک🔍دانلود پاورپوینت فرآیند تحلیل سلسله مراتبی(AHP)🔍دانلود پاورپوینت کایزن و نوآوری🔍دانلود پاورپوینت شبکه های وایمکس🔍دانلود پاورپوینت الگوریتم ژنتیک🔍دانلود پاورپوینت چند نمونه از معماری بیونیک🔍دانلود پاورپوینت طراحان چگونه می اندیشند🔍پاورپوینت مباحث حقوقي پيمانها و آشنائي با قراردادهاي ساختماني (طرح و محاسبه، اجراء، نظارت)🔍دانلود پاورپوینت شیوه های نوین فراگیری زبان انگلیسی در مراکز پژوهشی🔍دانلود پاورپوینت اجرای ساختمان های فلزی🔍پاورپوینت نور معابر، معیارها و عوامل موثر بر آنها🔍پاورپوینت معرفی کشور مصر 🔍دانلود پاورپوینت برنامه ریزی منابع سازمان(ERP)🔍دانلود پاورپوینت سیستم های اطلاعات بیمارستانی🔍دانلود پاورپوینت ارزیابی عملکرد🔍دانلود پاورپوینت طرح درمانگاه عمومی🔍دانلود پاورپوینت مکانیک خاک🔍دانلود پاورپوینت وظایف یک مدیر در سازمان🔍پاورپوینت مدیریت و کنترل پروژه🔍دانلود پاورپوینت طراحی منظره LandScape🔍دانلود پاورپوینت شرکت های موفق جهان چگونه استخدام میکنند؟ 🔍پاورپوینت معماری صدر مسیحیت