هوش مصنوعی | متن کامل رایگان | تطبیق پارامترهای شبکه های RBF با استفاده از تکامل گرامری

خلاصه

شبکه های تابع پایه شعاعی به طور گسترده در بسیاری از کاربردها در حوزه های علمی مختلف در مسائل طبقه بندی و برازش داده ها استفاده می شوند. این شبکه ها با تنظیم پارامترهای خود از طریق تکنیک های مختلف بهینه سازی با مشکلات فوق مقابله می کنند. با این حال، موضوع مهمی که باید به آن پرداخته شود، نیاز به مکان یابی یک بازه رضایت بخش برای پارامترهای یک شبکه قبل از تنظیم این پارامترها است. این مقاله یک روش دو مرحله ای را پیشنهاد می کند. در مرحله اول، از طریق ادغام تکامل دستوری، قوانینی برای ایجاد فاصله مقادیر بهینه پارامترهای شبکه ایجاد می‌شوند. در مرحله دوم تکنیک، پارامترهای ذکر شده با الگوریتم ژنتیک به دقت تنظیم می شوند. کار فعلی بر روی تعدادی از مجموعه داده‌ها از ادبیات اخیر آزمایش شد و نشان داد که خطای طبقه‌بندی یا برازش داده‌ها را تا بیش از ۴۰ درصد در اکثر مجموعه‌های داده کاهش می‌دهد. علاوه بر این، روش پیشنهادی در آزمایش‌ها قوی به نظر می‌رسد، زیرا نوسان تعداد پارامترهای شبکه به طور قابل‌توجهی بر عملکرد آن تأثیر نمی‌گذارد.