بهبود شبكه هاي عصبي مصنوعي پرسپترون چندلايه با الگوريتم جهش قورباغه براي تشخيص ايميلهاي اسپم

ايميل اسپم يكي از متداولترين و در عينحال منفيترين جنبههاي دارابودن يك آدرس ايميل است. با اينكه در حالحاضر و باتوجه به تكنولوژيهاي موجود امكان حذف كامل اين نوع از نامههاي الكترونيكي ناخواسته وجود ندارد، ولي ميتوان بااستفاده از برخي روشهاي موجود تعداد آنان را كاهش داد. اسپم نسخه الكترونيكي از ”نامههاي غيرقابل استفاده “ است. واژه اسپم به پيامهاي الكترونيكي ناخواسته، اطلاق ميگردد. اين نوع از نامههاي الكترونيكي ارتباط مستقيمي با ويروس نداشته و حتي ممكن است پيامهايي كه از منابع معتبر ارسال شدهاند؛ نيز در زمره اين گروه قرار گيرند. در اين مقاله براي نيل به اين هدف از روش جديدي با بهبود شبكه عصبي مصنوعي پرسپترون چند لايه با الگوريتم جهش قورباغه استفاده شدهاست. بدينصورت كه از الگوريتم جهش قورباغه براي يافتن انديس بهترين ويژگيها و از شبكه عصبي مصنوعي پرسپترون چندلايه براي تشخيص ايميلهاي اسپم براساس بهترين ويژگيهاي يافته استفاده شدهاست. نتايج شبيهسازي نشان ميدهد كه الگوريتم جهش قورباغه توانسته است بهبود قابل توجهي در شبكه عصبي مصنوعي پرسپترون چندلايه را در مقايسه با شبكه عصبي مصنوعي تابع پايه شعاعي داشته باشد.