Multilayer Perceptron: Architecture Optimization and Training

(14)

Ushbu bosqichda biz krossover va mutatsiya operatorini qo'lladik, yangi shaxslar chaqirdi bolalar bor yaratilgan tomonidan shaxslar tanlangan dan aholi ota-onalarni yechim makonlarini ko'proq o'rganishga chaqirdi .

In Jadval I biz hozir hammasi parametrlari ishlatilgan ichida bizning tajribalar

JADVAL I
IPLIMENTATSIYA PARAMETRLAR
JADVAL IV
Qiyoslash UCHUN IRIS DATA TASNIFI

	(%)					(%)
EBP	100	500	3	2	96	97.3
EBP	100	800	2	1	97.3	98.6
RBF	100	85	4	4	94.6	94.6
RBF	100	111	4	2	96	97.3
SVM	_	5000	3	5	94.6	93.3

Nmax	16	32	48
Pm	0.200	0.200	0.300
Pc	0.700	0.800	0.700
s	0.520	0.500	0.550
α	0.010	0.300	0.450
β	0.395	0.397	0.340

Ulanish _usuli
Bu. MT M.TS AT (%) ^A.TS

Nmax: jami raqam ning og'irliklar, Pm: Ehtimollik ning mutatsiya, Kompyuter: Ehtimollik ning kesishuvchi, a: Muntazamlashtirish parametrlari uchun ulanish xato, b: Trening darajasi, s: Ostona

2. Optimallashtirish metodologiyasi natijalari

Oldingi
Usul
Taklif etilgan Usul


100 100 3 2 96 97.3


50 647 1 2 98,7

Yashirin qatlamning optimal sonini aniqlagandan so'ng, bu holda uchta va ulanishning umumiy soni. Biz har bir qatlamda to'rtta neyronni o'z ichiga olgan arxitekturadan foydalanamiz va biz neyron tarmoqlarni Genetik algoritm yordamida olingan og'irliklar qiymati bo'yicha ishga tushirishimiz mumkin. Bizning algoritmimiz Iris ma'lumotlari misollarida sinovdan o'tkazildi.

2-rasm Bo'lim ning ma'lumotlar asos

The Jadval II sovg'alar the olingan klasterlash natijalar ning trening va sinov ma'lumotlari. Tavsiya etilgan usul barcha o'quv ma'lumotlarini faqat bitta Versicolor va ikkita bir xil turdagi sinov ma'lumotlarini tasniflash imkonini beradi.
JADVAL II
TASNIFI UCHUN DATA SET (TAKLIF ETILGAN USUL)

	Ulanmoq (%)	MC	Aniqlik (%)
Tr.D	50	1	98.7
Tes.D	50	2	97.3

MC: Noto'g'ri tasniflangan ma'lumotlar, Ulanmoq (%): foiz ning ulanishlar ishlatiladigan og'irliklar
ichida the tarmoq orasida yashirin qatlamlar, Tr.D: Trening Ma'lumotlar, Tes.D: Sinov Ma'lumotlar

Biz Izoh bu the olingan klasterlash natijalar ning sinovdan o'tkazish ma'lumotlar shuni ko'rsatadi bizning usuli beradi the yaxshi natijalar, chunki hammasi the sinovdan o'tkazish ma'lumotlar ikkitadan tashqari to'g'ri tasniflangan. Aslini olib qaraganda; bu elementlar (noto'g'ri tasniflangan) Versicolor sinfidan.

JADVAL III
TASNIFI UCHUN DATA SET (oldingi USUL)
Nr. T. D ulanish (%) MC aniqligi (%) Tr.D 75 100 3 96
Tes.D 75 100 2 97.3
Yuqoridagi jadvallardan ko'rishimiz mumkinki, tavsiya etilgan usul yuqori o'rtacha tasniflash aniqlik tezligini oladi va biz mavjud usullarga qaraganda bir nechta ulanishlardan foydalandik. Va biz ushbu maqolada taklif qilingan yondashuv neyronlarning yashirin qatlamlarini optimallashtiradigan neyron usullari bilan solishtirganda yaxshiroq natijalar beradi degan xulosaga kelishimiz mumkin.



Bu: iteratsiyalar soni, MT: o'quv to'plami uchun noto'g'ri tasniflangan, M.TS: Noto'g'ri tasniflangan uchun sinovdan o'tkazish o'rnatish, DA: Aniqlik uchun trening o'rnatish, A.TS: Aniqlik sinov to'plami uchun.

Natijalar IV-jadvalda ko'rsatilgan bo'lib, biz taklif etilayotgan usulning o'rtacha tasniflash aniqlik tezligini, konvergentsiya iteratsiyasini va ulanishlar sonini boshqa mavjud neyron tarmoqlarni o'qitish algoritmlari bilan taqqoslashda ko'rishimiz mumkin: Error Back- Propagation (EBP), Radial. Neyron tarmoqlarining asosiy funktsiyasi (RBF). va Qo'llab-quvvatlash Vektor Mashina (SVM) chov bu bizning model hozir ikkita sifat: bir nechta ulanishlar va yuqori o'rtacha tasniflash aniqlik darajasi.

2.