بررسی شبکه عصبی جمعی بر پایه الگوریتم ژنتیک در حل مسایل رگرسیون


در حال بارگذاری
23 اکتبر 2022
فایل ورد و پاورپوینت
2120
2 بازدید
۷۹,۷۰۰ تومان
خرید

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

 بررسی شبکه عصبی جمعی بر پایه الگوریتم ژنتیک در حل مسایل رگرسیون دارای ۲۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد بررسی شبکه عصبی جمعی بر پایه الگوریتم ژنتیک در حل مسایل رگرسیون  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 بررسی شبکه عصبی جمعی بر پایه الگوریتم ژنتیک در حل مسایل رگرسیون،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن بررسی شبکه عصبی جمعی بر پایه الگوریتم ژنتیک در حل مسایل رگرسیون :

تعداد صفحات :۲۲

چکیده مقاله:

شبکه عصبی جمعی یک روش یادگیری است، که در آن چندین شبکه به طور مشترک برای حل یک مسیله مورد استفادهقرار می گیرند. هدف از ساخت شبکه جمعی، رسیدن به عملکرد بهتر از نظر دقت پیش بینی و قابلیت تعمیم برای داده هایناشناخته نسبت به یک شبکه منفرد است. در این مقاله، ابتدا ارتباط بین سیستم جمعی و شبکه های سازنده آن در زمینه رگرسیون مورد تجزیه و تحلیل قرار گرفته است، که نشان میدهد با ترکیب زیرمجموعه ای از شبکه ها به جای همه شبکه-های موجود ممکن است، سیستم جمعی با قابلیت تعمیم بهتر در پیش بینی دادههای ناشناخته حاصل شود. سپس، جهتانتخاب زیرمجموعه ای مناسب از شبکه های موجود در سیستم جمعی روشی به نام GA_ENS بر اساس الگوریتم فرااکتشافیژنتیک (GA) ارایه شده، که تعمیم یافته روش GASEN است. در این روش ابتدا تعدادی شبکه آموزش می بینند، پس ازآن با اعمال الگوریتم ژنتیک به هر کدام از شبکه ها وزنی اختصاص می یابد. به طوریکه این وزنها تا حدودی می توانندمیزان برازندگی شبکه های موجود را در ساخت یک سیستم جمعی مشخص کنند. در نهایت، زیرمجموعه ای از شبکه هابراساس وزن های تکامل یافته برای ساخت سیستم جمعی انتخاب می شوند. جهت ارزیابی روش GA_ENS را بر مجموعهداده ی شناخته شده ی خانه ی بوستون (Boston Housing) بررسی کرده ایم، که نتایج حاکی از عملکرد بهتر این روشاز نظر و عملکرد آن را از نظر صحت و قابلیت تعمیم برای پیش بینی داده های ناشناخته با استفاده از معیارهای میانگین مربعخطا (MSE) و ضریب همبستگی (CC) در مقایسه با روش GASEN است.

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.