نام پژوهشگر: خه بات سلطانیان
خه بات سلطانیان فردین اخلاقیان طاب
شبکه های عصبی مصنوعی یکی از ابزارهای مهم یادگیری ماشین است که کاربردهای فراوان آن در دنیای امروز مشهود است. عملکرد شبکه های عصبی به نحوه ی آموزش شبکه و طرح معماری آن وابسته است. طراحی معماری شبکه ی عصبی معمولاً توسط فرد خبره انجام میشود. در این پژوهش سه الگوریتم برای طراحی معماری و آموزش وزنهای شبکه توسعه داده شده است. الگوریتم اول قادر به تولید و آموزش شبکه های عصبی پیشرو با یک لایه ی مخفی است. این الگوریتم در طراحی معماری، تعداد عصبهای میانی را تعیین میکند و بین لایه های مجاور شبکه ارتباط کامل برقرار میکند. الگوریتم ارائه شده دوم، علاوه بر تعیین تعداد عصبهای لایه ی میانی، ویژگیهای ورودی مرتبط را انتخاب میکند. همچنین نحوهی ارتباط بین ورودیها و عصبهای میانی را تعیین کرده و اوزان شبکه را تنظیم میکند. البته این الگوریتمها کاملا از دانش فرد خبره بینیاز نیستند. اما الگوریتم سوم با هدف عدم وابستگی طراحی و آموزش شبکه های عصبی به فرد خبره توسعه داده شده است. معماری شبکه های تولید شده توسط این الگوریتم لزوما دارای ساختار لایه ای مرسوم نیست و عصبهای میانی میتوانند دارای هر نوع ارتباطی از جمله ارتباطات بازگشتی باشند. برای ارزیابی الگوریتمهای ارائه شده از مسائل دسته بندی استاندارد و مقایسه ی نتایج این الگوریتمها با دیگر سیستمهای تکامل شبکه عصبی استفاده شده است. نتایج آزمایشات، برتری الگوریتمهای ارائه شده بر الگوریتم مورد مقایسه را در بسیاری از موارد نشان میدهد. سهم اجزای الگوریتمها در عملکرد آنها مورد بررسی قرار گرفته و نتایج مشاهدات و تحلیلها در این گزارش آمده است.