بهینه سازی شبکه عصبی

توضیحات کلی : 

در ابتدا، بهینه سازی وزن اتصال تنها در شبکه های نوع پرسپترون به حساب ( Rosenblatt ، ۱۹۵۷) گرفته شده است. محدودیت های سازه از توپولوژی محدودیت در تعداد پارامترها و اندازه فضای جستجو را تحمیل کنند. علاوه بر این، با توجه به انواع مختلف توابع انتقال ممکن است شبکه به جا بهتر است ( مدل ) داده های ورودی  کمک کند. در نهایت، ساخت توپولوژی شبکه غیر منظم ممکن است به ساده و پراکنده شبکه سبب اما پیچیدگی جستجو برای شبکه افزایش یافته است. در datamining ، وظایف و مجموعه داده های متناظر معمولا صورت ترتیبی است. در زمینه datamining با استفاده از شبکه های عصبی ، شبکه های عصبی غذا به جلو معمولا در نظر گرفته می شود. در این جا ، ما یک مدل شبکه عصبی غذا به جلو به نام گروه از مدل های تطبیقی ​​تکامل ( GAME ) پیشنهاد شده است. شبکه GAME با بهره گیری از ترکیبی از چندین روش های بهینه سازی را برای آموزش به سلول های عصبی در شبکه می باشد. نشان داده می شود که این ترکیب را می دهد به طور مداوم به نتایج خوبی در طیف گسترده ای از مجموعه داده است.

امکانات اصلی پروژه :

1. تحویل داکیومنت  کامل
2. ترجمه مقاله
3. پاورپوینت