شماره ركورد كنفرانس :
4606
عنوان مقاله :
آموزش شبكه‌هاي عصبي توابع پايه شعاعي توسط الگوريتم بهينه سازي حركت يون‌ها به‌منظور شناسايي هدف سوناري واقعي از هدف كاذب
عنوان به زبان ديگر :
Training RBF Neural Network using Ion Optimization Algorithm to clasifiy sonar target and non-target
پديدآورندگان :
خويشه محمد m_khishe@elec.iust.ac.ir دانشگاه علوم دريايي امام خميني (ره); , رواخواه سجاد sravakhah@gmail.com دانشگاه علم و صنعت ايران; , قمي اويلي محمد Ghomi.1350@gmail.com دانشگاه علوم دريايي امام خميني (ره);
كليدواژه :
الگوريتم فراابتكاري , الگوريتم بهينه ساز حركت يون , كلاس‌بندي
عنوان كنفرانس :
كنفرانس بين المللي تحقيقات بنيادين در مهندسي برق
چكيده فارسي :
شبكه‌هاي عصبي توابع پايه شعاعي (RBF) يكي از پركاربردترين شبكه‌هاي عصبي در تشخيص و كلاس بندي اهداف سوناري مي‌باشند. با توجه به استفاده از روش‌هاي بازگشتي و گراديان نزولي براي آموزش شبكه‌هاي RBF، دقت دسته‌بندي نامناسب، گير افتادن در كمينه‌هاي محلي و سرعت همگرايي پايين از معايب اين نوع شبكه مي‌باشد. به منظور غلبه بر اين معايب، اين مقاله براي آموزش شبكه RBF از الگوريتم بهينه ساز حركت يون ها (IMO) استفاده مي‌كند. به منظور سنجش عملكرد شبكه طراحي شده با الگوريتم‌هاي معيار PSO، GA، ACO، ES و PBIL از نظر سرعت همگرايي، دقت كلاس بندي و اجتناب از بهينه محلي مقايسه مي شود. نتايج نشان دهنده آن است كه شبكه طراحي شده با الگوريتم IMO نسبت به الگوريتم هاي معيار نتايج بهتري را ارائه مي كند به صورتي كه نسبت به بهترين الگوريتم 69/2 درصد دقت بيشتري دارد.
