سال انتشار: ۱۳۸۲

محل انتشار: نهمین کنفرانس سالانه انجمن کامپیوتر ایران

تعداد صفحات: ۸

نویسنده(ها):

فاطمه رحیمیان – دانشگاه آزاد اسلامی واحد علوم و تحقیقات – گروه کامپیوتر
بهناز نحوی – دانشگاه آزاد اسلامی واحد علوم و تحقیقات – گروه کامپیوتر
پریسا معمارمشرفی – دانشگاه آزاد اسلامی واحد علوم و تحقیقات – گروه کامپیوتر
محمد تشنه لب – دانشگاه صنعتی خواجه نصیرالدین طوسی – دانشکده برق

چکیده:

شبکه های عصبی یکی از رو شهای پر کاربرد در یادگیری سیستمهای هوشمند است که کارایی بسیار بالایی در یادگیری الگوهای آموزشی دارد . در این مقاله سعی بر بهینه سازی ساختار و رفتار شبکه عصبی بر اساس مقادیر مطلوب شده است . برای آموزش شبکه از الگوریتم ژنتیک استفاده شده و علاوه بر توجه به تعدا د لایه ها و نرون های موجود در لایه میانی، به آموزش رفتار نرون ها با بهینه سازی مقدار پارامتر داخلی نرونها در توابع انعطاف پذیر پرداخته می شود . این مقاله نشان می دهد که جهت بهینه سازی ساختار یک شبکه عصبی، تعداد توابع ( نرونها ) لایه میانی باید بر حسب نیاز و دینامیک سیستم، بازسازی و بهینه گردد .