مقاله ترکیب الگوریتم های ARO و COA برای تعیین وزن های شبکه عصبی پرسپترون چند لایه

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

  مقاله ترکیب الگوریتم های ARO و COA برای تعیین وزن های شبکه عصبی پرسپترون چند لایه دارای ۱۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله ترکیب الگوریتم های ARO و COA برای تعیین وزن های شبکه عصبی پرسپترون چند لایه  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 مقاله ترکیب الگوریتم های ARO و COA برای تعیین وزن های شبکه عصبی پرسپترون چند لایه،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله ترکیب الگوریتم های ARO و COA برای تعیین وزن های شبکه عصبی پرسپترون چند لایه :

تعداد صفحات:۱۴
چکیده:
شبکه عصبی یکی از پرکاربرد ترین الگوریتم ها در حیطه یادگیری ماشین است، از طرفی آموزش شبکه عصبی فرایندی پیچیده ومهم است. از این رو در این مقاله، تلاش بر آن است تا با استفاده از ترکیبی از الگوریتم بهینه سازی فاخته و الگوریتم تولید مثل غیرجنسی، وزن های بهینه را برای شبکه عصبی پرسپترون چند لایه بیابیم. روش پیشنهادی به کمک الگوریتم تولید مثل غیر جنسی، درهر نسغ از الگوریتم بهینه سازی فاخته، جستجوی دقیقی برای یافتن بهینه ی بهتری نسبت به بهینه ی یافته شده توسط الگوریتمبهینه سازی فاخته، انجام میدهد. از این رو قادر است پاسخ بهینه ی دقیق تری نسیت به الگوریتم بهینه سازی فاخته ارائه کند. مقایسهنتایج روش پیشنهادی با الگوریتم رقابت استعماری و الگوریتم بهینه سازی فاخته نشان می دهد روش پیشنهادی بر روی مجموعه داده های تست شده (WINE,ABALONE,IRIS,GLASS) با پارامتر های تعیین شده، دارای کارایی بهتری نسبت به الگدوریتم رقابت استعماری، و الگوریتم بهینه سازی فاخته است.