مقاله

طراحی و آموزش شبکه‏ های عصبی مصنوعی به وسیله استراتژی تکاملی با جمعیت‏ های موازی

چکیده

کاربرد شبکه‏‏ های عصبی مصنوعی در حوزه‏ هایی از قبیل دسته‏ بندی تصاویر و سیگنال های صوتی مؤید توانایی این ابزار قدرتمند هوش مصنوعی در حل مسائل دنیای امروز است. طراحی و آموزش شبکه‏ های عصبی همواره یک فرآیند زمان‏بر و مشکل بوده است. یک مدل عصبی مناسب باید بتواند الگوی داده‏ های آموزشی را فراگرفته و نیز قابلیت تعمیم داشته باشد. در این مقاله، از جمعیت‏ های موازی برای طراحی معماری شبکه عصبی و همچنین از استراتژی تکاملی برای آموزش آن استفاده شده است، به‏ طوریکه در هر جمعیت شبکه ای با معماری خاصی تکامل می‏ یابد. با کمک یک روش انتخاب دومعیاره مبتنی بر میزان خطا و پیچیدگی شبکه‏ ها، الگوریتم ارائه شده قادر است شبکه‏ های ساده با قابلیت تعمیم بالا تولید کند. برای ارزیابی کارایی الگوریتم پیشنهادی از 7 مسأله استاندارد دسته‏ بندی استفاده شده است. روش ارائه شده با روش‏های تکامل اوزان، تکامل معماری و نیز الگوریتم‏های تکامل همزمان معماری و اوزان مورد مقایسه قرار گرفته است. نتایج آزمایش‏ها کارایی و پایداری این روش را نسبت به روش‏های مورد مقایسه نشان می‏دهد. در این مقاله، همچنین تأثیر وجود جمعیت‏های موازی، روش انتخاب دومعیاره و نیز عملگر ادغام در الگوریتم ارائه شده مورد بررسی قرار گرفته است. از مزایای اصلی این روش بهره‏ گیری از پردازش موازی به وسیله جمعیت‏های مستقل است.

اسناد مشابه