تطوير طرائق المتجهات المترافقة لحل مسائل الأمثلية غير المقيدة مع تطبيقات في الشبكات العصبية
Development Some Conjugate Gradient Methods for Solving Unconstrained Optimization Problems with Applications in Neural Network
- الباحث
- علي هادي حسن علي
- المشرف
- خليل خضر عبو
- الجامعة
- جامعة الموصل
- الكلية / القسم
- كلية علوم الحاسوب والرياضيات / الرياضيات
- الشهادة
- ماجستير
- السنة
- 2022
- لغة الرسالة
- عربي
- الكلمات المفتاحية
- التدرج المترافق ; الأمثلية غير المقيدة ; الشبكات العصبية ; الخوارزميات الهجينة
الملخص
في هذه الرسالة تم مناقشة وتطوير بعض الخوارزميات المهجنة ففي الفصل الثاني تم استخدام خوارزمي HSA وخوارزمية Gs DY ان خوارزمية DY تمتك خواص تقارب شاملة قوية بينما خوارزمية HS تمتلك نتائج حسابية جيدة وبالاستفادة من خواص DY و1815 تم اققراح خوارزمية مهجنة KA] وتم اثبات خاصية الانحدار والتقارب المطلق لهذه الخوارزمية. اما في الفصل الثالث تم اقتراح خوارزمية مهجنة 1242 بين FRA jl ss التي تمتلدك خواص تقارب ALLE وخوارزمية PR التي تمتلك خواص حسابية جيدة . امافي الفصل الرابع سوف نقوم في هذا الجزء من الرسالة باستخدامات المقترحة الهجينة 2 2 في تدريب الشبكات العصبية الاصطناعية ذات التغذية الامامية.و تم اختيار ثلاث مسائل من الماتلاب لتدريب هذه الخوارزميات الهجينة والمسائل هي 1- Simplefit. 2- Chemical. 3- Bodyfat. اصدار (182009165)لتدريب الخوارزميات الثلاث وثم تثبيت MATLAB استخدمنا لغة البرمجة وتم تدريب الشبكة 1990 ,Widrew and Nguyen متجو الإدخال والذي يتم على وفق طريقة المسموح هو (10000) في كل دورة epochs ل 5 دورة تدريبية باعتبار الحد الأعمى للتكرارات تدريبية وان الخطأ المسموح به هو].0 للمسألة 2 و3 و 0.001 للمسألة 1. عند استخدام و (simplefit) الخوارزميات الجديدة لتدريب الشبكات العصبية الاصطناعية على البيانات اما في المسألة (KA2) اكثر كفاءة من الخوارزمية (KA1) تبين ان الخوارزمية (chemical) في عدد التكرارات (KA) على الخوارزمية (KA2) تتفوق الخوارزمية (bodyfat) الثالثة والزمن المستغرق لتدريب الشبكات العصبية الاصطناعية. وتبين الرسومات التالية مربع معدل الخطأ وحالة التدريب والانحدار الخطي لكل خوارزمية وعند كل مسألة من المسائل المأخوذة. ——— oo,
Abstract
In this thesis some hybrid algorithms are discussed and developed. In the second chapter, the HS algorithm and the DY algorithm were used. The DY algorithm has strong global convergence properties, while the HS algorithm has good computational results. By taking advantage of the properties of DY and HS, the KA1 hybrid algorithm is proposed, and the descent and global convergence property of this algorithm are demonstrated. algorithm. In the third chapter, the KA2 hybrid algorithm is proposed between the FR algorithm which has comprehensive convergence properties and the PR algorithm which has good computational properties.
طلب نسخة من الملف
الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.