Artificial Intelligence - هوش مصنوعی  
انجمن را در گوگل محبوب کنيد :

بازگشت   Artificial Intelligence - هوش مصنوعی > الگوریتم ها > الگوريتم بهينه سازي فاخته (Cuckoo Optimization Algorithm)


 
تبليغات سايت
Iranian Association for the Advancement of Artificial Intelligence
ارسال تاپيک جديد  پاسخ
 
LinkBack ابزارهاي تاپيک نحوه نمايش
قديمي ۰۴-۱۴-۱۳۹۳, ۱۱:۰۸ قبل از ظهر   #1 (لینک دائم)
Active users
 
آواتار ramin4251
 
تاريخ عضويت: مهر ۱۳۸۸
پست ها: 133
تشكرها: 1
75 تشكر در 38 پست
My Mood: Shad
پيش فرض آموزش شبكه عصبي توسط الگوريتم فاخته

با سلام


در اين پست نحوه آموزش و بدست آوردن وزنهاي بهينه يك شبكه عصبي بسيار ساده، با استفاده از الگوريتم بهينه سازي فاخته را توضيح مي دهيم. مثال مورد استفاده براي اين آموزش تابع sin(x)/x در بازه 6- تا 6 مي باشد. اين تابع با گامهاي 0.5 نمونه برداري مي شود.
شبكه عصبي مورد نظر براي آموزش يك شبكه با 3 نرون در يك لايه پنهان مي باشد. ساختار اين شبكه در زير مشاهده مي شود:


با توجه به تنظيم كردن، باياسها روي عدد 1، تعداد وزنهاي مجهول، برابر 10 خواهند بود. هدف استفاده از الگوريتم بهينه سازي فاخته بدست آوردن مقادير مناسب براي اين 10 پارامتر است. البته بگونه اي كه با وارد شدن عددي در input مقدار sin(input)/input توسط شبكه ي آموزش ديده برگشت داده شود.
در هر بار تكرار الگوريتم فاخته، يكسري وزن كانديد توليد شده و شبكه توسط داده هاي ورودي تغذيه مي شود. سپس درصد خطاي خروجي توليدي شبكه فعلي در مقايسه با خروجي واقعي به عنوان هزينه به الگوريتم فاخته برگشت داده مي شود.
برنامه اي كه در ادامه براي تست توانايي الگوريتم قرار داده شده است نحوه بهينه شدن وزن هاي شبكه را در طول تكرارهاي مختلف برنامه بصورت ديناميك نشان مي دهد.
با وجود اينكه آموزش شبكه عصبي و تعيين وزنهاي بهينه معمولا بسيار كند صورت ميگيرد ولي الگوريتم فاخته بعد از حدود 50 تكرار وزنهاي بهينه براي اين مثال را بدست مي آورد. همانطور كه از نتيجه معلوم است برنامه فقط 1.5% خطا در مدلسازي دارد.


براي دانلود برنامه به ضميمه ي همين پست مراجعه كنيد.
==============




با سلام خدمت تمام كاربران محترم سايت

جهت اطلاع از آخرين مطالب بروز در مورد الگوريتم بهينه سازي فاخته و آموزش هاي مربوط به آن حتما در كانال مربوط به اين الگوريتم عضو شويد.

آدرس كانال:




با سپاس
رامين رجبيون
__________________
www.matlabpajooh.ir
matlab.proj@gmail.com

بروزترين مطالب در مورد الگوريتم بهينه سازي فاخته در:
https://telegram.me/cuckoo_optimization_algorithm

ويرايش شده توسط ramin4251; ۰۱-۳۱-۱۳۹۵ در ساعت ۱۰:۴۹ قبل از ظهر
ramin4251 آفلاين است   پاسخ با نقل قول
از ramin4251 تشكر كرده اند:
shhb (۰۶-۳۰-۱۳۹۳), ygolyzadeh (۰۹-۲۹-۱۳۹۳)

  #ADS
نشان دهنده تبلیغات
تبليغگر
 
 
 
تاريخ عضويت: -
محل سكونت: -
سن: 2010
پست ها: -
 

نشان دهنده تبلیغات is online  
قديمي ۰۶-۲۹-۱۳۹۳, ۱۰:۵۲ بعد از ظهر   #2 (لینک دائم)
عضو جدید
 
آواتار ygolyzadeh
 
تاريخ عضويت: آبان ۱۳۹۰
پست ها: 2
تشكرها: 3
0 تشكر در 0 پست
پيش فرض

سلام
موضوع پايان نامه من در مورد "بهبود عملکرد تشخیص چهره با استفاده از الگوریتم جستجوي فاخته تغییر یافته در انتخاب ویژگی" است كسي از دوستان هست كه مرا در اين مورد ياري كنه؟!
ممنون ميشم كسي محبت كنه.
ygolyzadeh آفلاين است   پاسخ با نقل قول
قديمي ۰۶-۳۰-۱۳۹۳, ۰۶:۵۷ بعد از ظهر   #3 (لینک دائم)
عضو جدید
 
آواتار shhb
 
تاريخ عضويت: مهر ۱۳۹۰
پست ها: 3
تشكرها: 9
0 تشكر در 0 پست
My Mood: Khonsard
پيش فرض

تشکر فراوان
shhb آفلاين است   پاسخ با نقل قول
قديمي ۰۷-۱۵-۱۳۹۳, ۱۲:۴۹ بعد از ظهر   #4 (لینک دائم)
عضو جدید
 
آواتار neegarr
 
تاريخ عضويت: مهر ۱۳۹۳
پست ها: 1
تشكرها: 0
0 تشكر در 0 پست
پيش فرض

بسیار عالی
neegarr آفلاين است   پاسخ با نقل قول
پاسخ



كاربران در حال ديدن تاپيک: 1 (0 عضو و 1 مهمان)
 
ابزارهاي تاپيک
نحوه نمايش

قوانين ارسال
You may not post new threads
You may not post replies
You may not post attachments
You may not edit your posts

BB code is فعال
شکلکها فعال است
كد [IMG] فعال است
كدهاي HTML غير فعال است
Trackbacks are فعال
Pingbacks are فعال
Refbacks are فعال




زمان محلي شما با تنظيم GMT +3.5 هم اکنون ۰۶:۲۲ بعد از ظهر ميباشد.


Powered by vBulletin® Version 3.8.3
Copyright ©2000 - 2024, Jelsoft Enterprises Ltd.
Search Engine Friendly URLs by vBSEO 3.1.0 ©2007, Crawlability, Inc.

Teach and Learn at Hexib | Sponsored by www.Syavash.com and Product In Review

استفاده از مطالب انجمن در سایر سایت ها، تنها با ذکر انجمن هوش مصنوعي به عنوان منبع و لینک مستقیم به خود مطلب مجاز است

Inactive Reminders By Icora Web Design