تعیین توپولوژی شبکه عصبی پرسپترون چندلایه مناسب مساله به کمک الگوریتمهای تکاملی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - پژوهشکده فنی و مهندسی
- نویسنده صادق صحت بخش
- استاد راهنما محمود نقیب زاده مصطفی روحانی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1386
چکیده
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 حد نیاز باشد مشکل overtraining رخ داده و قدرت تعمیم شبکه به دست آمده بسیار کم خواهد بود. یکی از راههای تعیین توپولوژی مناسب به ازای هر مسئله استفاده از الگوریتمهای تکاملی می باشد . در این پایان نامه چند روش مختلف برای تعیین توپولوژی شبکه عصبی پرسپترون چند لایه با استفاده از الگوریتمهای تکاملی ارائه شده است. برای ارزیابی کارآیی روشهای پیشنهادی، این روشها با سایر روشهای موجود از لحاظ میزان خطای شبکه و میزان پیچیدگی توپولوژی مورد مقایسه قرار گرفتند. روش های پیشنهادی علیرغم اینکه از لحاظ میزان خطا نسبت به سایرروش ها پیشرفتی نداشته اند اما تمایل زیادی به ایجاد شبکه هایی با توپولوژی ساده از خود نشان دادند.
منابع مشابه
الگوی تعیین موفقیت طرح‌های سرمایه‌گذاری کشاورزی: کاربرد شبکه عصبی چندلایه پرسپترون
هدف تحقیق حاضر شناسایی و ارزیابی الگویی برای پیش‌بینی موفقیت یا شکست طرح‌های پیشنهادی سرمایه‌گذاری کشاورزی در مناطق روستایی است. متغیرهای پیش‌بینی‌کننده، عبارت‌اند از مؤلفه‌های محیط سرمایه‌گذاری و ویژگی‌های پروژه. براساس نوشتارهای تخصصی در این زمینه، شبکه عصبی چندلایه پرسپترون با الگوریتم یادگیری پس انتشار خطا، تکنیک و الگوی نسبتاً مناسبی برای تبیین مسئله به شمار می‌آید. برای ارزیابی کارایی الگو...
متن کاملالگوی تعیین موفقیت طرح های سرمایه گذاری کشاورزی: کاربرد شبکه عصبی چندلایه پرسپترون
هدف تحقیق حاضر شناسایی و ارزیابی الگویی برای پیش بینی موفقیت یا شکست طرح های پیشنهادی سرمایه گذاری کشاورزی در مناطق روستایی است. متغیرهای پیش بینی کننده، عبارت اند از مؤلفه های محیط سرمایه گذاری و ویژگی های پروژه. براساس نوشتارهای تخصصی در این زمینه، شبکه عصبی چندلایه پرسپترون با الگوریتم یادگیری پس انتشار خطا، تکنیک و الگوی نسبتاً مناسبی برای تبیین مسئله به شمار می آید. برای ارزیابی کارایی الگو...
متن کاملپیش بینی بزرگای زلزله با استفاده از شبکه عصبی پرسپترون چندلایه
به دلیل نواقص موجود در روش های پیشین محاسبه بزرگای زلزله، شبکه عصبی به عنوان یک روش جدید برای این منظور آزمایش می گردد. در این مقاله نوعی شبکه عصبی با نام پرسپترون چندلایه برای پیش بینی بزرگای گشتاوری زلزله مورد استفاده قرار گرفته است. شبکه عصبی پرسپترون شامل سه لایه اصلی با نام های لایه ورودی، لایه پنهان و لایه خروجی است. ورودی های این شبکه شش متغیر مربوط به مکان و زمان وقوع زلزله و همچنین مشخ...
متن کاملپیش بینی دماهای ماهانه ایستگاه های همدید منتخب استان اصفهان، با استفاده از شبکه عصبی مصنوعی پرسپترون چندلایه
پیش بینی دما از کاربردی ترین برآوردهای عناصر آب و هوایی است. امروزه بخش های کشاورزی و صنعت وابستگی زیادی به شرایط دمایی (آب و هوا) دارند. دما یکی از فراسنج های بسیار مهم آب و هوایی است و از عوامل اصلی هویت آب و هوایی هر ناحیه محسوب می شود. هدف از انجام این پژوهش، مدل سازی برای پیش بینی میانگین دمای ماهانه ایستگاه های منتخب استان اصفهان است؛ از این رو، پس از بررسی طول دوره آماری ایستگاههای موجود...
متن کاملارائه 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...
متن کاملارایه مدل بهینه ریسک اعتباری فرایند تامین مالی جمعی با استفاده از شبکه عصبی پرسپترون چندلایه (MLP)
هدف مطالعه حاضر، پیش‌بینی و ارایه مدل ریسک اعتباری جهت سرمایه‌پذیران تأمین مالی جمعی مبتنی بر بدهی است. با توجه به پیچیدگی ارزیابی ریسک، بهترین معماری شبکه عصبی الگوریتم پرسپترون چند لایه برای شبیه‌سازی انتخاب شد. جامعه آماری این پژوهش، اطلاعات مالی پرونده اعتباری/تسهیلاتی کلیه مشتریان (506 مورد) یکی از بانک‌های کشور مربوط به سال 98-97 است. به منظور معناداری رابطه شاخص‌های استخراج شده از نمون...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - پژوهشکده فنی و مهندسی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023