• بررسی چالش های شبکه عصبی mlp و حل آن به کمک الگوریتم های تکاملی

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1401/06/21
    • تاریخ انتشار در تی پی بین: 1401/07/10
    • تعداد بازدید: 213
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: 09216189337

    بررسی چالش های شبکه عصبی mlp و حل آن به کمک الگوریتم های تکاملی

    در این مقاله، شبکه های عصبی زیستی و مصنوعی و ساختارهای آنها معرفی گردیده و انواع شبکه های عصبی نشان داده می شود. تمرکز بیشتر بر روی پروسپترون و مشکلات یک نوع شبکه عصبی به نام پروسپترون چند لایه (mlp) می باشد، که برای حل مشکلات این روش از نوعی الگوریتم تکاملی جدید استفاده می شود؛ که آن الگوریتم، با نام الگوریتم بهینه سازی جنگل (foa) معرفی می گردد.

    در این مطالعه جهت مدل سازی قدرت تبخیر جو ایستگاه تبریز، از شبکه های عصبی مصنوعی بر پایه سه الگوریتم آموزشی (mlp)، ژنتیک و الگوریتم بهینه سازی جنگل استفاده شده است. ارزیابی و مقایسه نتایج این مدل ها براساس معیارهایی چون ضریب تعیین، میانگین مربعات خطا و مجذور میانگین مربعات خطا اتخاذ شده است. بر اساس مدل پیشنهادی می توان قدرت تبخیر جو تبریز را با خطای 0.12678 میلیمتر در ماه، برای سال هایی که فاقد آمار تبخیر هستند، پیش بینی نمود.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها