آموزش شبکه عصبی MLP در طبقه بندی داده ها با استفاده از روش GSA

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

 آموزش شبکه عصبی MLP در طبقه بندی داده ها با استفاده از روش GSA دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد آموزش شبکه عصبی MLP در طبقه بندی داده ها با استفاده از روش GSA  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 عصبی MLP در طبقه بندی داده ها با استفاده از روش GSA،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن آموزش شبکه عصبی MLP در طبقه بندی داده ها با استفاده از روش GSA :

نام کنفرانس، همایش یا نشریه : مهندسی برق و مهندسی کامپیوتر ایران

تعداد صفحات :۱۰

تاکنون شیوه های مختلفی برای طبقه بندی داده ارایه شده است اما در این میان شبکه های عصبی مخاطبان بیشتری را به خود جذب کرده اند. مهم ترین مساله در این نوع از طبقه بندی کننده ها انتخاب روشی مناسب برای آموزش شبکه های عصبی است. متداول ترین روش آموزشی شبکه های عصبی روش پس انتشار خطا است که همگرایی کند و توقف در نقاط بهینه محلی از مهم ترین نقاط ضعف آن محسوب می شود. رویکرد جدید محققین استفاده از الگوریتم های ابتکاری در فرایند آموزش شبکه های عصبی است. در این مقاله پیشنهاد استفاده از روش آموزشی نوینی به نام الگوریتم جستجوی گرانشی (GSA) در آموزش شبکه های عصبی به منظور طبقه بندی داده ها ارایه می شود. روش GSA آخرین و جدیدترین نسخه از انواع روش های بهینه سازی هوش جمعی است که با الهام از مفاهیم جرم و نیروی جاذبه و با شبیه سازی قوانین مرتبط با آن ارایه شده است. در این مقاله با استفاده از روش GSA یک شبکه عصبی MLP جهت طبقه بندی پنج مجموعه داده مرجع آموزش داده می شود. همچنین کارایی روش پیشنهادی در آموزش و آزمایش شبکه عصبی با دو روش آموزشی پس انتشار خطا و بهینه سازی گروه ذرات مقایسه می شود. نتایج نهایی نشان می دهند در اکثر موارد روش GSA قابلیت چشمگیری در طبقه بندی صحیح داده ها دارد. به علاوه در آزمایشات انجام گرفته ویژگی منحصر به فردی از روش GSA پدیدار شد و آن پایداری نسبتا عالی در طبقه بندی صحیح داده ها در تمام موارد بود. از نقطه نظر معیار زمانی نیز روش GSA نسبت به روش PSO در زمان کمتری به پاسخ مناسب دست می یابد.

کلید واژه: الگوریتم های ابتکاری، الگوریتم جستجوی گرانشی، شبکه عصبی MLP، طبقه بندی داده