ﻣﻘﺎﯾﺴﻪ و ارزﯾﺎﺑﯽ اﻟﮕﻮرﯾﺘﻢ ﻟﻮﻧﺒﺮگ - ﻣﺎرﮐﻮآرت و اﻟﮕﻮرﯾﺘﻢ ژﻧﺘﯿﮏ ﺑﻪ ﻣﻨﻈﻮر اﺳﺘﻔﺎده در آﻣﻮزش ﺷﺒﮑﻪي ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ

در اين تحقيق، از الگوريتم لونبرگ -ماركوآرت و الگوريتم ژنتيك در آموزش شبكه ي عصبي مصنوعي به منظور پيش بيني طبقه بندي جنس خاك استفاده و خروجي حاصل از آموزش آنها، مورد ارزيابي قرار گرفته است. دادههاي مورد استفاده شامل نتايج حاصل از آزمايش هاي ضربه و نفوذ استاندارد 6، طبقه بندي و حدود اتربرگ ميباشد. به دليل وجود روشهاي آموزشي متنوع در شبكه ي عصبي، انتخاب بهينه ترين روش آموزشي ميتواند دقت پيش بيني هاي شبكه را افزايش دهد. بدين منظور جهت ارزيابي عملكرد الگوريتمهاي مطرح شده در شبكه ي عصبي مصنوعي، روابط ضريب جرم باقي مانده 7، ضريب تعيين 8 و مجذور ميانگين 9 مربعات خطا بكار گرفته شده است. مقايسه و ارزيابي آموزش با الگوريتم هاي فوق نشان ميدهد استفاده از الگوريتم آموزشي لونبرگ -ماركوآرت با دقت بسيار بالا در آموزش شبكه، بهينه ترين الگوريتم آموزشي مورد استفاده در پيش- بيني پارامترهاي ژئوتكنيكي خاك از جمله جنس خاك مي باشد