فهرس المقالات مهدی هاشمی


  • المقالة

    1 - الگوریتم رقابت استعماری آشوبی متعامد اصلاح شده و بکارگیری آن در بهبود بازشناسی الگو در شبکۀ عصبی پرسپترون¬های چند لایه
    پیمان معلم مهرداد صادقی حریری مهدی هاشمی
    فصلنامه فناوری اطلاعات و ارتباطات ایران , العدد 35 , السنة 10 , بهار-تابستان 1397
    علی¬رغم موفقیت الگوریتم رقابت استعماری (ICA) در حل مسائل بهینه¬سازی، این الگوریتم کماکان از به دام افتادن مکرر در کمینه محلی و سرعت پایین همگرایی رنج می¬برد. در این مقاله، نسخۀ جدیدی از این الگوریتم، به نام رقابت استعماری آشوبی متعامد اصلاح شده (COICA)، پیشنهاد می¬شود. أکثر
    علی¬رغم موفقیت الگوریتم رقابت استعماری (ICA) در حل مسائل بهینه¬سازی، این الگوریتم کماکان از به دام افتادن مکرر در کمینه محلی و سرعت پایین همگرایی رنج می¬برد. در این مقاله، نسخۀ جدیدی از این الگوریتم، به نام رقابت استعماری آشوبی متعامد اصلاح شده (COICA)، پیشنهاد می¬شود. در سیاست جذب نسخه پیشنهادی، هرمستعمره از طریق تعریف بردار متعامد نوینی، فضای حرکت به سمت استعمارگر را جستجو می¬کند. همچنین احتمال انتخاب امپراطوری¬های قدرتمند، از طریق تابع توزیع بولتزمان تعریف شده و عمل انتخاب از طریق روش چرخ رولت انجام گرفته است. از الگوریتم پیشنهادی برای آموزش شبکه عصبی پرسپترون چند لایه (MLP) جهت طبقه¬بندی مجموعه داده¬های استاندارد، از جمله یونسفر و سونار استفاده شده است. برای ارزیابی عملکرد این الگوریتم و بررسی میزان تعمیم¬پذیری شبکه عصبی آموزش ديده با نسخه پيشنهادی، از روش اعتبارسنجی متقابل K-Fold استفاده شده است. نتایج بدست آمده از شبیه¬سازی¬ها، کاهش خطای آموزش شبکه و همچنین بهبود تعمیم¬پذیری الگوریتم پیشنهادی را تایید می¬کند. تفاصيل المقالة