Multilayer Perceptron: Architecture Optimization and Training

Xulosa

Sun'iy neyron tarmoqlari arxitekturasini optimallashtirish uchun model ishlab chiqilgan. Genetika Nochiziqli muammoning optimal yechimini olish uchun algoritm ayniqsa mos keladi. Ushbu usul sinovdan o'tkaziladi uchun aniqlash the optimal raqam ning yashirin qatlamlar va Ko'p qatlamli Perceptrondagi ulanish og'irliklari va mashg'ulotdan keyin eng qulay og'irliklar matritsasi. Biz ko'p qatlamli Perceptron arxitekturasini optimallashtirish muammosi uchun cheklovlar bilan aralash butun sonli muammo sifatida yangi modellashtirishni taklif qildik. Iris ma'lumotlariga qarab, olingan natijalar neyron tarmoqlari arxitekturasini yaxshi umumlashtirishni ko'rsatadi. Xulosa qilib aytganda, sun'iylikning optimal arxitekturasi asabiy tarmoq mumkin o'ynash a muhim roli ichida the tasniflash muammosi. Biz o'z modelimizni boshqa metaevristikalar bilan hal qilish uchun taklif qilingan yondashuvni chaqirishimiz mumkin va biz haqiqiy muammolar uchun boshqa ko'plab ma'lumotlar bazasini ishlatamiz: qandli diabet, qalqonsimon bez, saraton ....

Ma'lumotnomalar

1. 
   M. Ettaouil va Y. Ghanou, “Neyron arxitekturasini optimallashtirish va Genetika algoritmlar”, Wseas Bitimlar Yoniq Kompyuter, Nashr 3, Ovoz balandligi 8, 2009 yil, 526-537-betlar.
   
2. 
   M.Ettaouil M.Lazaar va Y.Ghanou “Arxitekturani optimallashtirish modeli ko'p qatlamli perseptron va klasterlash uchun” Journal of Theorical and Amaliy axborot texnologiyalari 10 yanvar 2013 yil. jild. 47 № 1.
   
3. 
   sil kasalligi Ludermir “Gibrid Optimallashtirish Algoritm uchun the Ta'rif ning MLP Neyron tarmog'i arxitekturasi va og'irliklari” Beshinchi nashri Xalqaro Konferensiya yoqilgan Gibrid Aqlli Tizimlar (HIS'05) 0-7695- 2457-5/05 20.00 2005 IEEE.
   
4. 
   JOSEPH RAJ V. "Nazorat qilinadigan neyron tarmoqlarni yaxshiroq o'rganish Funktsional grafik asosida - Eksperimental yondashuv', WSEAS KOMPYUTERLARDAGI OMONLAR, 8-son, 7-jild, 2008 yil avgust.
   
5. 
   D. Vang, Tez Konstruktiv-qoplama Algoritm uchun asabiy tarmoqlar va uning amalga oshirish ichida tasnifi, Qo'llaniladi Yumshoq Hisoblash 8 (2008) 166-173.
   
6. 
   D. Vang, NS Chaudxari, 'A konstruktiv nazoratsiz o'rganish algoritmi ko'p darajali geometrik kengayishga asoslangan Boolean neyron tarmoqlari uchun', Neyrokompyuter 57C (2004) 455-461.
   

7. 
   T. Kohonen, 'O'zini Tashkil etish Xaritalar, Springer , 3em nashr, 2001 yil.
   

Nerv Tarmoq ., jild. 17, yo'q. 6, pp. 1452–1459, noyabr 2006 yil.

8. 
   E. Egrioglu, C, Hakam Aladag, S. Gunay, 'A yangi model tanlash strategiya sun'iy neyron tarmoqlarda, Amaliy matematika va hisoblash (195) 591-597, 2008 yil.
   
9. 
   Bishop CM (2005) naqshni aniqlash uchun neyron tarmoqlari. MIT matbuoti, Kembrij.
   
10. 
    Rosenblatt, "Perseptron: statistik bo'linish nazariyasi Kognitiv tizimlar”, Kornel aviatsiya laboratoriyasi, hisobot № VG- 1196-G-1, 1958 yil yanvar.
    
11. 
    Krzysztof Soch xristian Blum ''An chumoli koloniya optimallashtirish algoritm uzluksiz optimallashtirish uchun: oldinga uzatiladigan neyron tarmog'iga ilova trening ”
    
12. 
    D.Salom, “Maʼlumotlar siqish”, Springer, 2004 yil.
    
13. 
    SJ Bolaños, RG Crespo, VH Medina-Garsiya, "Dasturiy ta'minot naqshlari rivojlanish jarayon, Xalqaro Jurnal ning Interaktiv Multimedia va Sun'iy intellekt, jild. 1, yo'q. 4, 33-40-betlar, 2011 yil.
    
14. 
    TB Ludermir, A. Yamazaki va C. Zanchettin, "Optimallashtirish metodologiyasi uchun asabiy tarmoq og'irliklar va arxitekturalar" IEEE Trans.