آموزش شبکه های عصبی توابع پایه شعاعی توسط الگوریتم بهینه سازی حرکت یون ها به منظور شناسایی هدف سوناری واقعی از هدف کاذب

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 آموزش شبکه های عصبی توابع پایه شعاعی توسط الگوریتم بهینه سازی حرکت یون ها به منظور شناسایی هدف سوناری واقعی از هدف کاذب دارای ۲۵ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد آموزش شبکه های عصبی توابع پایه شعاعی توسط الگوریتم بهینه سازی حرکت یون ها به منظور شناسایی هدف سوناری واقعی از هدف کاذب  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی آموزش شبکه های عصبی توابع پایه شعاعی توسط الگوریتم بهینه سازی حرکت یون ها به منظور شناسایی هدف سوناری واقعی از هدف کاذب،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن آموزش شبکه های عصبی توابع پایه شعاعی توسط الگوریتم بهینه سازی حرکت یون ها به منظور شناسایی هدف سوناری واقعی از هدف کاذب :

تعداد صفحات :۲۵

چکیده مقاله:

شبکه های عصبی توابع پایه شعاعی (RBF) یکی از پرکاربردترین شبکه های عصبی در تشخیص و کلاس بندی اهداف سوناری می باشند. با توجه به استفاده از روش های بازگشتی و گرادیان نزولی برای آموزش شبکه های RBF، دقت دسته بندی نامناسب، گیر افتادن در کمینه های محلی و سرعت همگرایی پایین از معایب این نوع شبکه می باشد. به منظور غلبه بر این معایب، این مقاله برای آموزش شبکه RBF از الگوریتم بهینه ساز حرکت یون ها (IMO) استفاده می کند. به منظور سنجش عملکرد شبکه طراحی شده با الگوریتم های معیار ES ،ACO ،GA ،PSO و PBIL از نظر سرعت همگرایی، دقت کلاس بندی و اجتناب از بهینه محلی مقایسه می شود. نتایج نشان دهنده آن است که شبکه طراحی شده با الگوریتم IMO نسبت به الگوریتم های معیار نتایج بهتری را ارایه می کند به صورتی که نسبت به بهترین الگوریتم ۲/۶۹ درصد دقت بیشتری دارد.