ارائه مدل منحنی رشد بر مبنای شبکه عصبی مصنوعی و بهبود آن توسط الگوریتم های ژنتیک

thesis
abstract

منحنی رشد بر اساس داده های توزین حیوان در سنین مختلف با صرف وقت و هزینه های مادی بسیاری بدست می آید. با توجه به اهمیت منحنی رشد در مباحث بیولوژی پیش بینی این منحنی از لحاظ سلامتی و اقتصادی بسیار حائز اهمیت است. به علت عملکرد مطلوب شبکه های عصبی مصنوعی به عنوان یکی از روش های بدیع و پر کاربرد در مسائل پیش بینی، در این پژوهش از شبکه عصبی مصنوعی برای پیش بینی منحنی رشد استفاده شده است. بهینه سازی پارامترهای قابل تنظیم شبکه عصبی مصنوعی می تواند منجر به افزایش دقت پیش بینی گردد، الگوریتم های زیادی برای بهینه سازی معرفی شده است. الگوریتم ژنتیک برای حل بسیاری از مسائل دنیای واقعی مورد استفاده قرار گرفته است و تکنیک های موثر برای کاربردهایی از جمله جستجو، بهینه سازی، طراحی، مهندسی کنترل، پردازش تصویر، یادگیری ماشین و بسیاری از مسائل دیگر ارائه می دهد. با توجه به کارایی بالای الگوریتم ژنتیک، در این پژوهش برای بهینه سازی پارامترهای قابل تنظیم شبکه عصبی مصنوعی از الگوریتم ژنتیک استفاده شده است. با اینکه ساختارهای جدیدی برای بهبود دقت تشخیص ارائه شده است اما همچنان نیاز به انتخاب استراتژی مناسب برای کاهش بعد ورودی و همچنین انتخاب مناسب ویژگی وجود دارد. مسلماً این بهبود دقت تشخیص، نقش بسیار مهمی در مسائل تخمین دارد که منجر به افزایش سرعت و کاهش هزینه های محاسباتی می گردد و گاهاً باعث افزایش دقت نیز می گردد. بدین منظور در این پژوهش از الگوریتم ترکیبی شبکه عصبی و الگوریتم ژنتیک برای انتخاب کلیدی ترین جفت داده های رشد (سن-وزن) در پیش بینی آخرین مرحله وزن کشی حیوان نر و ماده بهره برده ایم .همچنین از شبکه عصبی برای تعیین کلیدی ترین جفت داده های رشد نیز استفاده شد و نتایج حاصل، با نرم افزارweka مقایسه شده است. داده های مورد استفاده در این پژوهش از اطلاعات مربوط به منحنی رشد (سن-وزن) ???? حیوان در 7 نژاد مختلف و در دو جنس نر و ماده مربوط به یک پروژه ژنتیک و اصلاح نژاد دام به مدت 5 سال، در یکی از مراکز معتبر تحقیقاتی بدست آمده است و یکی از ویژگی های پژوهش حاضر برای جامعیت برآوردهای منحنی رشد، استفاده از چندین تلاقی مختلف است. نتایج حاصل، نشان دهنده عملکرد مطلوب شبکه عصبی در پیش بینی منحنی رشد حیوان و عملکرد مطلوب الگوریتم ژنتیک و شبکه عصبی در تعیین کلیدی ترین جفت داده های رشد می باشد. همچنین با توجه به ماهیت داده ها، استفاده از الگوریتم ژنتیک برای تنظیم پارامترهای شبکه عصبی منجر به بهبود نتایج نگردید.با توجه به اهمیت منحنی رشد در مباحث بیولوژی پیش بینی منحنی رشد، از لحاظ سلامتی و اقتصادی بسیار حائز اهمیت است. در این پژوهش برای پیش بینی منحنی رشد، از شبکه عصبی، به عنوان یکی از روش های پر کاربرد در مسائل پیش بینی، استفاده شده است. برای بهینه سازی پارامترهای قابل تنظیم شبکه عصبی که می تواند منجر به افزایش دقت پیش بینی گردد، از الگوریتم ژنتیک و همچنین برای انتخاب کلیدی ترین جفت داده های رشد در پیش بینی آخرین مرحله وزن کشی حیوان نر و ماده، از الگوریتم ترکیبی شبکه عصبی و الگوریتم ژنتیک بهره برده ایم. در ادامه از شبکه عصبی برای تعیین کلیدی ترین جفت داده های رشد استفاده شد و نتایج حاصل، با نرم افزارweka مقایسه شده است. نتایج حاصل، نشان دهنده عملکرد مطلوب شبکه عصبی در پیش بینی منحنی رشد حیوان و عملکرد مطلوب الگوریتم ژنتیک و شبکه عصبی در تعیین کلیدی ترین جفت داده های رشد می باشد.

similar resources

مقایسه مدل های مختلف رشد و شبکه عصبی مصنوعی در برازش منحنی رشد در گوسفند لری‌بختیاری

هدف از این مطالعه مقایسه‌ی مدل‌های مختلف رگرسیون غیر‌خطی، خطی و شبکه‌ی عصبی مصنوعی در برازش منحنی رشد در گوسفند لری ‌بختیاری بود. شش مدل غیرخطی شامل نمایی منفی، برودی، ون برتالانفی، گومپرتز، لجستیک، ریچاردز و دو مدل چند جمله‌ای خطی با درجات برازش دو و سه و شبکه‌ی عصبی مصنوعی مورد استفاده قرار گرفت. از 29517 رکورد وزن بدن متعلق به 6320 بره لری ‌بختیاری از تولد تا سن یک‌سالگی، جمع‌آوری شده در ایس...

full text

ارائه مدل شناسایی تقلب مالیاتی بر مبنای ترکیب الگوریتم درخت تصمیم ID3 بهبود یافته و شبکه های عصبی پرسپترون چندلایه

درآمدهای مالیاتی یکی از مهم­ترین منابع درآمدی دولت و تأمین­کننده بخش عمده­ای از هزینه­های دولت است. در سالهای اخیر تقلب در صورت‌های مالی و اظهارنامه های مالیاتی به طور فزاینده­ای به‌ یک مشکل جدی برای کسب و کار، دولت و سرمایه‌گذاران تبدیل شده است. اکثر مؤدیان مالیاتی به دنبال راهی برای دستکاری در صورتهای مالی و کاهش سود مشمول مالیات ابرازی خود می­باشند. از این­رو، شناسایی متقلبین مالیاتی و شرکته...

full text

شناسایی دستکاری قیمت سهام از طریق مدل ترکیبی الگوریتم ژنتیک – شبکه عصبی مصنوعی و مدل SQDF

هدف این پژوهش، شناسایی دستکاری قیمت سهام در بورس اوراق بهادار تهران می­باشد که از طریق مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی (ANN-GA)[1] و مدل تابع تفکیکی درجه دوی تعدیل شده (SQDF)[2] انجام گرفته است. در این پژوهش از متغیرهای قیمت، حجم معاملات و سهام شناور آزاد برای تطبیق نتایج مدل و داده­های واقعی از دستکاری قیمت استفاده شده است. در مدل ترکیبی ابتدا داده­های مربوط به 316 شرکت از نخستین رو...

full text

ارائه مدل معامله هوشمند در بازارهای مالی مبتنی بر الگوریتم ژنتیک، منطق فازی و شبکه عصبی

معاملات موفق در بازارهای مالی  می بایست نزدیک به نقاط کلیدی بازگشتی انجام گردد. در سال های اخیر سیستم های مختلفی به منظور شناسایی این نقاط بازگشتی ایجاد شده اند. تحلیل تکنیکال یکی از معتبرترین و پرکاربردترین این سیستم ها محسوب می شود. تحلیل تکنیکال بواسطه قوانین متعددی که داراست سعی در ایجاد سیگنال های صحیح به موقع به منظور شناخت این نقاط دارد. اما یکی از معایب این سیستم وابستگی شدید آن به تجرب...

full text

مدل سازی و پیش بینی کارایی بانک های دولتی و خصوصی ایران با استفاده از مدل های شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک

دستیابی به رشد مستمر و مداوم اقتصادی و به موجب آن توسعه اقتصادی را می توان از زمره اهدافی قلمداد نمود که تمام کشورها در پی دستیابی به آن می باشند. در این راستا بانک ها نقش بسیار مهمی در پیشرفت و توسعه اقتصادی هر کشور ایفا می نمایند. در حال حاضر با توجه به تعداد قابل توجه بانک های دولتی و خصوصی در کشور پیش بینی کارایی آن ها اهمیت ویژه ای پیدا کرده است. هدف از این پژوهش، مدلسازی و پیش بینی کارایی...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه امام رضا علیه السلام - دانشکده مهندسی برق و کامپیوتر

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023