التكوين الأمثل للشبكات العصبية من خلال الخوارزمية الجينية متعددة الأغراض ونهج مصنف المجموعات
##plugins.themes.bootstrap3.article.main##
الملخص
كانت خوارزميات التعلم الآلي سمة مميزة لاستخراج البيانات في معالجة الصور والإشارات. اقترحت العديد من الدراسات طرقًا مختلفة لتحسين دقة التصنيف. تعد الشبكة العصبية الاصطناعية (ANN) واحدة من أهم طرق تصنيف استخراج البيانات بين الخوارزميات التنبؤية. يتأثر أداء ANN بالعديد من المعلمات مثل عدد من الخلايا العصبية للطبقات المخفية ووظيفة التعلم وظروف التوقف وبنية الشبكة. تنظيم المعلمات هو نقطة التحدي الحاسمة في هذه الخوارزمية. الغرض الرئيسي من هذه الدراسة هو توفير نهج جديد باستخدام خوارزمية جينية متعددة الأهداف ومصنف مجموعة للحصول على المعلمات المثلى لـ ANN. تحقيقا لهذه الغاية، أولا، تم تدريب مجموعة من الشبكات العصبية من خلال تحديد معلماتها من خلال الخوارزمية الجينية متعددة الأهداف. بعد ذلك ، تم اختيار أفضل مزيج من الشبكات العصبية لعمل مصنف مجموعة. تم تقييم هذه الطريقة بخمس مجموعات بيانات شائعة ومتاحة. ثلاثة قياسات تم النظر في الدقة والوقت ومنحنى ROC لتقييم الكفاءة. تظهر النتائج التجريبية أن النهج المقترح يمكن أن يحقق مفاضلة بين الوقت والدقة بواسطة الخوارزمية الجينية متعددة الأهداف. علاوة على ذلك، باستخدام نهج مصنفات المجموعات ، قمنا بزيادة موثوقية النموذج. وبالتالي، فإن الطريقة المقترحة تعزز دقة الكشف في ثلاث من مجموعات البيانات المختارة مقارنة بأربع طرق مناسبة حديثة.
