بهینه سازی وزن های شبکه عصبی توسط الگوریتم بهینه سازی ازدحام ذرات( مطالعه موردی: پیش بینی قیمت مس)

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

 بهینه سازی وزن های شبکه عصبی توسط الگوریتم بهینه سازی ازدحام ذرات( مطالعه موردی: پیش بینی قیمت مس) دارای ۲۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد بهینه سازی وزن های شبکه عصبی توسط الگوریتم بهینه سازی ازدحام ذرات( مطالعه موردی: پیش بینی قیمت مس)  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 بهینه سازی وزن های شبکه عصبی توسط الگوریتم بهینه سازی ازدحام ذرات( مطالعه موردی: پیش بینی قیمت مس)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن بهینه سازی وزن های شبکه عصبی توسط الگوریتم بهینه سازی ازدحام ذرات( مطالعه موردی: پیش بینی قیمت مس) :

تعداد صفحات :۲۰

چکیده مقاله:

یکی از مهم ترین پارامترهای شبکه عصبی، الگوریتم آموزش آن بمنظور بهینه سازی وزن های شبکه می باشد. در این مقاله ابتدا شبکه عصبی پس انتشار خطا BPNN که کاربرد گسترده ای در مباحث علمی مختلف دارند، در پیش بینی قیمت مس بکار گرفته شده است. در بخش بعدی، روش ترکیبی پیشنهادی شبکه عصبی آموزش یافته توسط الگوریتم بهینه سازی ازدحام ذرات PSO، در پیش بینی قیمت مس استفاده شده است. در نهایت نتایج دو روش مطرح شده در این مطالعه، بمنظور بررسی عملکرد مدل پیشنهادی با یکدیگر مقایسه شدهاند. نتایج این پژوهش، عملکرد بهتر روش ANN-PSO نسبت به مدل BPNN را نشان داده است. بهترین ساختار مدل ترکیبی شامل ۷ نرون برای دولایه مخفی، ۳۰۰ ذره و ۱۵۰ تکرار جهت یافتن مقادیر بهینه برای وزن ها بوده که میانگین قدرمطلق درصد خطا و جذر میانگین مربعات خطا برای این مدل، بترتیب برابر با ۴/۱۱۷% و ۱۹۸/۶۵% بدست آمده است.