Construction of Multi-layer Feedforward Binary Neural Network by a Genetic Algorithm

a b s t r a c t

A new approach is introduced to determine the topology of a feedforward binary neural network (BNN) automatically. The approach bases on a construction algorithm that constructs one layer of hidden nodes at a time until the problem is solved, And in each layer, the algorithm determines the necessary number of nodes through a growth process by finding the best hidden node that would help to partition the input training data set. This is done using a Genetic Algorithm. The proposed algorithm can determine the necessary number of hidden layers and number of hidden nodes at each layer automatically. Tests on a number of benchmark problems illustrated the effectiveness of the proposed technique, both in terms of network complexity and recognition accuracy, compared with a recent approach by geometrical learning

دانلود رایگان مقاله انگلیسی                           484.3 KB

چکیده
راهکار جدید به منظور تعیین اتوماتیک توپولوژی شبکه ی عصبی باینری فیدفوروارد (BNN) مطرح می شود. این راهکار بر پایه ی الگوریتم سازنده ای می باشد که یک لایه از گره های نهفته را تا زمان حل مسئله می سازد. و در هر لایه، الگوریتم، تعداد مورد نیاز گره ها را از طریق فرایند رشد با یافتن بهترین گره نهفته ای که به تقسیم بندی مجموعه داده های آموزشی ورودی کمک خواهد کرد، تعیین می کند که با استفاده از الگوریتم ژنتیک انجام می گیرد. الگوریتم پیشنهاد شده می تواند تعداد مورد نیاز لایه های نهفته و تعداد گره های نهفته را در هر لایه به صورت اتوماتیک تعیین کند. تست های انجام گرفته روی تعدادی از مسائل مبنا کارایی تکنیک پیشنهاد شده را هم برحسب پیچیدگی شبکه و هم صحت بازشناخت در مقایسه با راهکار اخیر یادگیری نشان دادند.

تعداد صفحات مقاله انگلیسی: 16 صفحه
تعداد صفحات مقاله فارسی: 19 صفحه