آخرین ارسال های انجمن

عنوان	پاسخ	بازدید	توسط
آیا می خواهید تجارت تعمیر تلویزیون را راه اندازی کنید؟	1	604	bahman00
دانلود حل المسائل معادلات دیفرانسیل گرینبرگ	0	1092	admin
دانلود حل المسائل معادلات دیفرانسیل و سیستم های دینامیکی پرکو	0	1056	admin
دانلود حل المسائل معماری کامپیوتر جان هنسی	0	1015	admin
دانلود حل المسائل مقدمه ای بر الگوریتم ها	0	1030	admin
دانلود حل المسائل جبر خطی استرانگ	0	968	admin
دانلود حل المسائل جبر مجرد کیث نیکولسون	0	1130	admin
حل المسائل کتاب منطق مری برگمن	0	985	admin
دانلود حل المسائل آشکارسازی و اندازه گیری پرتوها گلن نال	0	994	admin
دانلود حل المسائل ریاضیات برای مهندسی و علوم طبیعی کاربردهای محاسباتی در Maple و Math	0	975	admin
دانلود حل المسائل شبکه های عصبی مصنوعی بایا یگنانارایانا	0	1066	admin
دانلود حل المسائل قطعات الکترونیکی نیمه هادی بن استریتمن	0	1010	admin
دانلود حل المسائل قطعات نیمه رسانا فیزیک و تکنولوژی سایمون زی	0	992	admin
دانلود حل المسائل مبانی تولید مدرن موادو فرآیندها و سیستم ها	0	1026	admin
دانلود حل المسائل مبانی کنترل و بهبود کیفیت میترا	0	984	admin
دانلود حل المسائل مکانیک و کنترل ربات گوپتا	0	972	admin
دانلود حل المسائل اصول مخابرات راجر زیمر	0	1020	admin
دانلود حل المسائل اپتیک گری و نایت	0	977	admin
دانلود حل المسائل تئوری کنترل بهینه و کاربردهای آن در مدیریت	0	993	admin
دانلود حل المسائل تابش الکترومغناطیسی کلاسیک	0	1011	admin

12 3 4 5 6 7 8 9...16 17 »

پروژه ارزیابی یک الگوریتم ژنتیک برای بهبود شبکه پس از انتشار خطا BPN

          سعید کیانی 
            بازدید : 710
          1396/06/05
           نظرات (0)
        

فرمت : Word

تعداد صفحات : ۴۲

این پروژه به همراه کد های متلب و داده های برنامه نویسی + مقالات استفاده شده ارائه می شود.

مقدمه

بسیاری از بررسی ها یک رشته بیت را با استفاده از الگوریتم ژنتیک به منظور بیان ساختار شبکه نگاشت داده اند تا کارایی شبکه های پس انتشار خطا را بهبود بخشند.

زیرا محدودیت ها در تکنیک های جستجوی گرادیان که برای مسائل بهینه سازی غیر خطی پیچیده استفاده می شدند،اغلب کارایی متناقض و غیر قابل پیش بینی را نتیجه داده اند.

این مقاله برروی چگونگی جمع آوری و ارزیابی مجدد ماتریس های وزن bpn تمرکز دارد، در حالیکه عملگرهای الگوریتم ژنتیک در هر نسل به منظور بهینه سازی ماتریس های وزن پردازش می شوند.

پروژه ارزیابی یک الگوریتم ژنتیک برای بهبود شبکه پس از انتشار خطا BPN

در این روش over fitting، یک اشکال از bpn هاست که معمولا در طول مرحله بعد ازآموزش شبکه عصبی با نزول خطای آموزش و افزایش خطای پیش بینی اتفاق می افتد ، قابل حذف شدن می باشد .

این مقاله هم چنین، پارامترها و توپولوژی شبکه عصبی را در جهت افزایش امکان پذیری اجرای فضای جواب برای مسائل غیرخطی پیچیده توسعه می دهد.

مدل های شبکه عصبی مصنوعی (ANN ) به طور گسترده در کاربردهای متفاوتی استفاده شده اند.

شبکه های پس انتشار خطا ، پرکاربردترین مورد استفاده در شبکه های عصبی مصنوعی،برای حل تعداد زیادی از مسائل واقعی بکار گرفته شده است.

پروژه ارزیابی یک الگوریتم ژنتیک برای بهبود شبکه پس از انتشار خطا BPN

در سال های اخیر بسیاری از الگوریتم های یادگیری به طور گسترده ای به منظور آموزش شبکه های عصبی برای حل مسائل پیچیده غیر خطی طراحی شده و توسعه یافته اند.

یکی از نقص ها ی اساسی در شبکه های عصبی جاری این است که تحقیق و پژوهش وابسته به طراحی شبکه عصبی می باشد.

طراحی یک شبکه عصبی شامل انتخاب یک مجموعه بهینه از پارامتر ها ی طراحی می باشدنحقخ تا همگرایی سریع را در طول آموزش و دقت مورد نیاز را هنگام فراخوانی بدست آورد.

قسمتی از نتایج پروژه