سال انتشار: ۱۳۸۶

محل انتشار: چهاردهمین کنفرانس مهندسی پزشکی ایران

تعداد صفحات: ۸

نویسنده(ها):

فهیمه شیخ زاده – دانشگاه صنعتی امیرکبیر، دانشکده ی مهندسی پزشکی
فائزه حیدری خباز – دانشگاه صنعتی امیرکبیر، دانشکده ی مهندسی پزشکی
سیدعلی سیدصالحی – دانشگاه صنعتی امیرکبیر، دانشکده ی مهندسی پزشکی

چکیده:

یکی از مسائلی که در هنگام بکارگیری شبکه های عصبی مصنوعی برای انجام وظیفه ای معین با آن روبرو می شویم، انتخاب ساختار مناسب با تعداد لایه ها و نورونهای کافی و بهینه برای شبکه است. به همین دلیل بهینه سازی ساختار شبکه در حین تعلیم از اهمیت ویژهای برخوردار است. در این مقاله با ارائه ی روشی نوین به بهینه سازی ساختار شبکه ی عصبی جلوسو در حین تعلیم، پرداخته شده است. مبنای شیوه ی آموزش شبکه الگوریتم تکاملی قرار داده شده و در هنگام یادگیری شبکه با این الگوریتم، به نورونها اجازه ی تلفیق، تولد و تقسیم داده شده است. با بهینه سازی ساختار شبکه، یک هدف ضمنی نیز دنبال می شود. این هدف رسیدن به استقلال نقش نورون ها در هر لایه از شبکه است که در راستای هدف عالیتر استخراج مؤلفه های مستقل غیرخطی دادگان ورودی توسط شبکه های عصبی دنبال می شود. در این تحقیق با تعلیم یک شبکه ی عصبی جلوسوی خودانجمنی چندلایه و استفاده از دادگانی که به طور مصنوعی چند مؤلفه ی مستقل غیرخطی در آن قرار داده شده، نشان داده شده است که شبکه ی عصبی در حین تعلیم توسط الگوریتم تکاملی با بکارگیری شیوه هایی برای تلفیق، تولد و تقسیم نورونها، می تواند حداقل مؤلفه های مستقل غیرخطی موجود در دادگان را استخراج نماید.