شبکه عصبی بهینه شده با الگوریتم فاخته
سورس کد برنامه پیاده سازی شبکه عصبی بهینه شده با الگوریتم فاخته در متلب عنوان محصولی است که در این پست به آن پرداخته شده است. محصول در نرم افزار متلب نوشته شده و بصورت کامل توسط گروه پشتیبانی تست و اجرا شده است. این محصول بهمراه فایل توضیحات سورس کد دراختیار شما قرار میگیرد. برای دانلود محصول آن را خریداری کنید.
توضیح روش
در این پروژه، الگوریتم جستجوی فاخته[۱]، برای بهینهسازی شبکه عصبی، استفاده شده است. بطور خاصتر، شبکه عصبی بعنوان تابع هدف بررسی میشود و وزنها و بایاس[۲] بوسیله روش الگوریتم فاخته بهینهسازی شده تا وزنهای بهینه و بایاس، بدست آیند. بهترین وزنها و بایاس، برای ساخت شبکه عصبی بهتر از شبکه عصبی پایه، مناسب میباشند.
فرایند شبکه عصبی که بوسیلهی جستجوی فاخته بهینه شده، به سه بخش تقسیم میشود: تعیین ساختار شبکه عصبی، بدست آوردن بهترین وزنها و بایاس از طریق الگوریتم فاخته و پیش بینی با شبکه عصبی است.
ساختار شبکه عصبی در بخش اول، بر پایه تعداد پارامترهای ورودی و خروجی تعیین شده و سپس طول هر عضو فاخته در الگوریتم فاخته، بر همان اساس تعیین میشود.
در بخش دوم، الگوریتم فاخته برای بهینهسازی وزنها و بایاس شبکه عصبی، استفاده میشود. هر عضو در جمعیت فاخته، شامل همه وزنها و بایاس موجود در شبکه عصبی میباشد. الگوریتم فاخته، موارد زیر را پیادهسازی میکند: مقداردهی الگوریتم فاخته، تعیین تابع ارزیابی، عملگر بروزرسانی موقعیت، عملگر انتخاب، عملگر جایگزینی و عملگر حذف. بدین صورت، عضو فاخته که دارای بهترین شایستگی میباشد، پیدا میشود. این فرآیند بهینهسازی تا زمانی تکرار میشود که بایاس و وزنهای رضایتبخش پیدا شوند. در بخش آخر، شبکه عصبی با بایاس و وزنهای بهینه ساخته شده و برای پیشبینی خروجی آموزش داده میشود. بر اساس تحلیل فوق، فلوچارت الگوریتم شبکه عصبی و فاخته، را میتوان همانند شکل زیر طراحی کرد.
شبکه عصبی
شبکه عصبی در الگوریتم ترکیبی، مشابه با شبکه عصبی عادی میباشد، و مراحل دقیق آنرا میتوان بصورت زیر نشان داد.
- تعیین ساختار شبکه عصبی: وزنها و بایاس، بطور تصادفی، مقداردهی میشوند و سپس، بر اساس الگوریتم فاخته کدبندی میشوند. وزنها و بایاس کدبندی شده بعنوان ورودی فاخته برای بهینهسازی شبکه عصبی استفاده میشوند که از الگوریتم فاخته پیروی میکند.
- ساخت شبکه پس انتشار بهینه شده با الگوریتم فاخته[۱]: وزنهای بهینه و بایاس بدست آمده از الگوریتم فاخته، برای ساخت شبکه CSBP استفاده میشوند. مجموعه آموزشی، برای آموزش شبکه استفاده شده و خطای آموزش محاسبه میگردد. وقتی خطای آموزش مطابق با پیش نیازهای مربوطه باشد آموزش شبکه CSBP متوقف می شود.
- خروجی پیش بینی شده: مجموعه تست، بعنوان ورودی شبکه CSBP آموزش دیده به منظور پیشبینی خروجی استفاده میشود.
[۱] Back Propagation Optimization by Cuckoo Search Algorithm (CSBP)
[۱] Cuckoo search (cs)
[۲] Bias
- لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.