پایان‌نامه

طراحی شبکه های عصبی پیمانه ای هم تکاملی

دانلود متن کاملرایگان، با حساب کاربری؛ ثبت نام با گوگل چند ثانیه است

چکیده

شبکه های عصبی پیمانه ای دسته خاصی از شبکه های عصبی هستند که به جای یک شبکه عصبی یکپارچه بزرگ از تعدادی شبکه عصبی کوچکتر تشکیل می شوند. این شبکه ها نسبت به شبکه های عصبی یکپارچه دارای مزایایی همچون کاهش پیچیدگی مدل، یادگیری سریعتر، مصونیت از تداخل مکانی و زمانی، قابلیت تفسیر بیشتر دانش کسب شده و شباهت بیشتر به شبکه های عصبی طبیعی هستند. از جمله انواع شبکه های پیمانه ای می توان به شبکه های حاصل از پیمانه ای کردن ورودی، پیمانه ای کردن خروجی و ترکیب سلسله مراتبی خبرگان اشاره کرد. در این شبکه ها با تقسیم یک کار بزرگ به تعدادی کار کوچکتر و انجام هر یک از این کارها توسط یک شبکه عصبی کوچک و سپس ترکیب راه حل های جزیی، راه حل نهایی مسأله به دست می آید.با توجه به مزایای فراوان شبکه های عصبی پیمانه ای نسبت به شبکه های عصبی یکپارچه، در این پروژه از دو نوع پیمانه ای کردن ورودی و خروجی برای طراحی شبکه های عصبی پیمانه ای جهت یادگیری دو بازی ox و اتلو استفاده شده است. در مورد بازی ox به دلیل سادگی مسأله از خروجی شبکه عصبی طراحی شده مستقیماً برای تعیین حرکت انتخابی استفاده می شود و در بازی اتلو از شبکه طراحی شده برای ارزیابی حالت های مختلف بازی در کنار الگوریتم جستجوی minimax استفاده می شود. در هر دو مورد شبکه های عصبی به شکل دلخواه و بر اساس تعریف مسأله طراحی می شوند. برای یادگیری وزن های شبکه های عصبی استفاده شده، پس از بررسی الگوریتم های تکاملی، از استراتژی تکامل نوع دوم استفاده شد. پس از طراحی شبکه های عصبی از الگوریتم هم تکاملی رقابتی برای یادگیری وزن های مناسب پیمانه های مختلف استفاده می شود. نتایج بدست آمده با دو شبکه عصبی یکپارچه متناظر مقایسه شده است. نتایج بدست آمده بیانگر آن است که با وجود اینکه تعداد پارامترهای آزاد شبکه های عصبی پیمانه ای کمتر از شبکه های عصبی یکپارچه نظیر است اما کارآیی این شبکه ها نسبت به شبکه های عصبی یکپارچه بیشتر است. همچنین در شبکه عصبی پیمانه ای می توان به راحتی از دانش موجود برای افزایش سرعت یادگیری استفاده کرد. دانش استخراج شده توسط این شبکه ها نیز قابلیت تفسیر و استفاده مجدد بیشتری دارد. در این پروژه همچنین چارچوب هم تکاملی رقابتی جدیدی پیشنهاد شده است. یکی از مشکلات مدل هم تکاملی رقابتی موجود، یادگیری نقش های متفاوت دخالت کننده در فرآیند تکامل در قالب یک فرد است. این امر سبب می شود، یادگیری سریع یکی از نقش ها باعث غلبه آن نقش بر نقش یا نقش های مقابل و عدم تکامل افراد جمعیت تکاملی شود. در چارچوب پیشنهادی به ازاء هر یک از نقش هایی که قرار است با استفاده از الگوریتم هم تکاملی یاد گرفته شود، جمعیت مجزایی در نظر گرفته می شود. در هر تولید نسل تعدادی از افراد هر جمعیت انتخاب و به مخزن فرد مربوطه افزوده می شوند. برای ارزیابی جمعیت های مختلف در کنار هر جمعیت تکامل یابنده جمعیت ارزیابی نیز تشکیل می شود. اعضای این جمعیت از افراد موجود در مخزن فرد انتخاب می شوند. سطح شایستگی افراد موجود در هر جمعیت ارزیاب بر اساس جمعیت رقیب افزایش داده می شود. به این ترتیب رشد سریع یک جمعیت نمی تواند مانع تکامل جمعیت ها شود. همچنین با حذف افراد ناکارآمد از جمعیت ارزیاب سرعت همگرایی الگوریتم به جواب بهینه نسبت به الگوریتم های متداول به مراتب افزایش می یابد. ارزیابی الگوریتم پیشنهادی در بازی های ox و اتلو نشان دهنده کارآیی بالای این الگوریتم است.

اساتید راهنما و مشاور

رضا صفابخش

پایان‌نامه‌های مشابه

  • طراحی شبکه عصبی پویا به منظور پیش بینی حجم ترافیک

    پایان‌نامه۲۰۱۴وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده برق و کامپیوترصادق انصاری

    پیش بینی و کنترل جریان ترافیک به صورت پویا و قابل اطمینان، پایه و اساس مدیریت و کنترل سیستم های حمل و نقل هوشمند است. روش های متفاوتی جهت کنترل ترافیک استفاده شده است، که برای تمامی این روش ها قابلیت اطمینان بالا در پیش بینی شرایط ترافیکی، بسیار حائز اهمیت می باشد. در این پژوهش،

  • وضعیت سنجی و عیب یابی سیستم دینامیکی خودرو از طریق آنالیز داده های شبیه سازی شده توسط نرم افزار carsim و تحلیل با نرم افزار matlab به دوروش کدنویسی و طراحی شبکه عصبی مصنوعی

    پایان‌نامه۲۰۱۳وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده مهندسیحمید قهرمان

    استفاده از خودرو در جوامع امروزی، هر روزه در حال افزایش است. خودرو، مهم ترین ماشینی است که به طور مستقیم با امنیت و سلامت انسان در ارتباط است. به علاوه با پیشرفت روز افزون فن آوری، بیش از پیش زیبایی و آسایش خودروها مورد توجه قرار می گیرد. و این امر موجب پیچیدگی هر چه بیش تر سامان

  • طراحی شبکه عصبی هیدرولیز اسید رقیق

    پایان‌نامه۲۰۱۴دانشگاه آزاد اسلامی - دانشگاه آزاد اسلامی واحد شاهرود - دانشکده مهندسیعادل اسماعیلی

    در این پروژه هیدرولیز اسید غلیظ بیومس بعنوان مواد لیگنوسلولزی به منظور تولید شکر قابل تخمیر در فرایند بیواتانول مطالعه شده است. سه پارامتر دما، زمان و غلظت اسید در چهار مرحله مختلف بعنوان متغیر ومیزان تولید قندهای گلوکز زایلوز ، فرفورال و اسید استیک بعنوان محصولات اصلی در نظر گرف

  • بهینه سازی شبکه عصبی مصنوعی با استفاده از الگوریتمهای تکاملی

    پایان‌نامه۲۰۱۲وزارت علوم، تحقیقات و فناوری - دانشگاه سیستان و بلوچستان - دانشکده ریاضیشهاب بالو

    شبکه ی عصبی مصنوعی شبیه سازی ساده ای از مکانیزم سیستم عصبی بیولوژیکی است که به دلیل قدرت یادگیری مسایل مختلف، تنها بر پایه ی آموزش از طریق ارایه ی الگوهای نمونه ی ورودی-خروجی، بسیار مورد توجه قرار گرفته است. یافتن وزن های مناسب شبکه ی عصبی مصنوعی مهم ترین عامل در یادگیری آن محسوب

  • ساختار یادگیری شبکه عصبی فازی با استفاده از الگوریتم تکاملی خودتطبیقی

    پایان‌نامه۲۰۱۳وزارت علوم، تحقیقات و فناوری - دانشگاه سیستان و بلوچستان - دانشکده ریاضیمحمدامیر میر

    چکیده: امروزه محاسبات تکاملی به دلیل توانایی جستجوی سراسری اش یکی از زمینه های محبوب تحقیقاتی می باشد. در این پژوهش به دنبال ایجاد یک الگوریتم تکاملی کارامد و نیرومند هستیم تا نه تنها روند تکامل را کاهش دهد بلکه احتمال رسیدن به حل کلی را افزایش دهد. در واقع، می خواهیم یک الگوریتم

  • تعیین توپولوژی شبکه عصبی پرسپترون چندلایه مناسب مساله به کمک الگوریتمهای تکاملی

    پایان‌نامه۲۰۰۷وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - پژوهشکده فنی و مهندسیصادق صحت بخش

    شبکه عصبی پرسپترون چند لایه یکی از پر کاربردترین نمونه های شبکه عصبی می باشد. کارایی این شبکه عصبی برای حل یک مسئله بستگی به توپولوژی در نظر گرفته شده برای شبکه دارد. چنانچه توپولوژی شبکه ساده تر از حد نیاز باشد امکان یادگیری در شبکه عصبی وجود ندارد و چنانچه توپولوژی پیچیده تر از

اسناد مشابه