چکیده مقاله
هدف این تحقیق ارائه یک روش ترکیبی نوین برای بهبود دقت طبقه بندی داده ها با استفاده از شبکه عصبی کانولوشن CNN و الگوریتم بهینه سازی بوفالوی آفریقایی ABO است چالش اصلی این پژوهش، حل مسئله تنظیم دستی هایپرپارامترهای CNN و افزایش دقت نهایی طبقه بندی است در روش پیشنهادی الگوریتم بهینه سازی بوفالوی آفریقایی برای تنظیم خودکار و بهینه هایپرپارامترهای شبکه عصبی کانولوشن به کار گرفته می شود تا مدل نهایی با بالاترین دقت ممکن به طبقه بندی بپردازد برای ارزیابی عملکرد این روش، بر روی مجموعه داده های استاندارد معتبر UCI شامل داده هایی از حوزه های پزشکی، مالی و صنعتی پیاده سازی و ارزیابی شد پس از مراحل پیش پردازش مدل CNN با هایپرپارامترهای بهینه شده توسط ABO آموزش داده شد نتایج تجربی بر اساس معیارهای عملکردی کلیدی نظیر دقت Accuracy ، دقت طبقه بندی Precision ، بازیابی Recall و F Score نشان می دهند که روش ترکیبی پیشنهادی، عملکرد بهتری نسبت به شبکه عصبی کانولوشن بدون تنظیم هایپرپارامتر دارد و دقت طبقه بندی را به طور قابل توجهی افزایش می دهد این راهکار همچنین منجر به کاهش زمان و هزینه های مرتبط با تنظیم دستی هایپرپارامترها شده و می تواند به عنوان یک روش موثر در کاربردهای واقعی یادگیری ماشین به کار رود
کلیدواژهها
نویسندگان
آرین نجفی مستان آباد
دانشجوی ارشد کامپیوتر گروه مهندسی کامپیوتر دانشکده فنی و مهندسی موسسه آموزش عالی لیان، بوشهر، ایران
مازیار گنجور
دکتری مهندسی کامپیوتر گروه مهندسی کامپیوتر دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی، بوشهر، ایران
نوشین ربیعی
دکتری برق مخابرات، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، موسسه آموزش عالی لیان، بوشهر، ایران
شیوه ارجاع
نجفی مستان آباد، آرین و گنجور، مازیار و ربیعی، نوشین،1404،ارائه یک روش ترکیبی نوین برای بهینه سازی هایپرپارامترهای شبکه عصبی کانولوشن (CNN) با استفاده از الگوریتم بهینه سازی بوفالوی آفریقایی (ABO)،هشتمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات،مشهد
ارائهشده در
مجموعه مقالات هشتمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات5 آذر 1404 · مشهد