استفاده از يك روش جديد خوشه بندي براي توليد شبكه عصبي فردي

Using a new clustering method to generate individual neural network

در اين مقاله با هدف بهبود دقت و تنوع شبكه‌هاي عصبي فردي و در نتيجه بهبود عملكرد شبكه عصبي گروهي،يك روش ايجاد شبكه‌هاي عصبي فردي مبتني بر خوشه بندي دومرتبه اي ارائه شده است. با تغيير داده هاي آموزش شبكه، نمونه ها توزيع داده هاي واقعي را بهتر منعكس مي كنند. تغيير در داده هاي آموزش موجب افزايش تنوع داده هاي آموزش در جهت افزايش تنوع شبكه، و در نتيجه بهبود عملكرد شيكه هاي عصبي گروهي مي شود. روش اعتبارسنجي متقابل K تايي ، موجب يادگيري نمونه ها از جهات مختلف مي شود، همچنين ازگير افتادن در بهينه محلي جلوگيري مي كند. ابتدا، از روش اعتبارسنجي متقابل K تايي براي تقسيم كردن مجموعه داده اصلي استفاده مي شود. سپس، همه داده آموزش را خوشه بندي كرده و زيركلاس ها را ايجاد مي كند، و پس از آن خوشه بندي دوباره براي هر زير كلاس به شكل زير مجموعه هاي نمونه از هر زير كلاس انجام مي پذيرد. خوشه بندي مورد استفاده در اين مقاله، خوشه بندي k-mean است كه از جمله محبوب ترين و ساده ترين الگوريتم ها مي باشد. اين الگوريتم خوشه بندي معيار شباهت در درون خوشه ها، تفاوت بين خوشه هاي مختلف را بيشينه مي كند. شبكه هاي عصبي فردي با تنوع بيشتر، و اندازه داده آموزشي كوچكتر توليد شده و اين گروه از شبكه هاي عصبي فردي مي توانند عملكرد بهتري داشته باشند. آزمايش هاي شبيه سازي در مجموعه داده ها نشان مي دهد كه روش پيشنهادي ما مفيد و موثر است