بهینهسازی شبکههای عصبی مصنوعی بوسیلهی GA
یکی از این روشها شبکههای عصبی است. شبکههای عصبی مصنوعی ([1]ANN) در حوزههایی همچون پردازش سیگنال[2]، تشخیص الگو[3]، تشخیص پزشکی[4]، تولید گفتار[5]، تشخیص گفتار[6] و تشخیص هویت ویژگیهای ژئوفیزیکی[7] کاربرد گستردهای دارد.
شبکههای عصبی مصنوعی نورونهای زیستی را به منظور انجام درونیابی عددی مدل میکنند. شکل 6-31 طرحی از یک نورون زیستی و یک نورون ساخت بشر را نشان میدهد. نورون زیستی به عنوان عنصر پردازش که بسیاری از سیگنالها را دریافت میکند، عمل میکند. این سیگنالها ممکن است توسط یک وزن در محل سیناپس (پیوندگاه) تغییر یابند.

+ نوشته شده در پنجشنبه سیزدهم مهر ۱۳۹۱ ساعت 17:23 توسط مدیر وبلاگ
|
الگوریتم ژنتیک، الگوریتم های ژنتیک، الگوریتم بهینه سازی اجتماع مورچگان، الگوریتم بهینه سازی کولونی مورچگان، الگوریتم بهینه سازی هجوم ذرات، الگوریتم بهینه سازی اجتماع ذرات، الگوریتم تبرید تدریجی، الگوریتم شبیه سازی تبرید فلزات، الگوریتم بهینه سازی زنبور عسل، بهینه سازی، پیچیدگی محاسباتی، هوش مصنوعی، جستجوی ناآگاهانه، جستجوی عمومی، جستجوی عمقی، جستجوی سطحی، جستجوی مکاشفه ای، جستجوی حریصانه، الگوریتم تپه نوردی، الگوریتم جستجوی تابو، جستجوی جامع، بهینه سازی تحلیلی، روش غیرمرکب سرازیری نلدر مید، ادغام، جهش، نسل، همگرایی، الگوریتم ژنتیک پیوسته، الگوریتم ژنتیک گسسته، بهینه سازی چندمنظوره، بهینه سازی پارتو، ژنتیک مرکب، مسائل جایگشت، غالب و مغلوب، نیچ، متاژنتیک، نژادمانه، رخ مانه، ژنتیک موازی، مسئله فروشنده دوره گرد، طراحی خط سیر روبات، طراحی حرکت رادارگریز، ساخت مدل های معکوس دینامیکی خطی و غیر خطی، مسائل زمان بندی، بهنیه سازی شبکه های عصبی مصنوعی، حل معادلات دیفرانسیل جزئی غیرخطی مرتبه بالا، تابع شایستگی، تابع آزمون، متلب، فرترن، ++C، C