Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

ai pso converti fr

Abonnez-vous à DeepL Pro pour modi ?er ce document Visitez www DeepL com Pro pour en savoir plus Volume numéro mars ISSN X International Journal of Advanced Research in Computer Science and Software Engineering Document de recherche Disponible en ligne à l'adresse suivante www ijarcsse com Formation d'un réseau neuronal arti ?ciel à l'aide de l'algorithme d'optimisation des essaims de particules Diptam Dutta Département de la CSE Heritage Institute of Technology West Bengal Inde Argha Roy Département de la CSE Netaji Subhash Engg Collège du Bengale occidental Inde Kaustav Choudhury Département de la CSE Heritage Institute of Technology West Bengal Inde Résumé - Dans cet article l'adaptation des poids du réseau à l'aide de l'optimisation des essaims de particules PSO a été proposée comme mécanisme pour améliorer la performance du réseau neuronal arti ?ciel ANN dans la classi ?cation du jeu de données IRIS La classi ?cation est une technique d'apprentissage automatique utilisée pour prédire l'appartenance à un groupe pour des instances de données Pour simpli ?er le problème de la classi ?cation des réseaux neuronaux sont introduits Cet article se concentre sur la classi ?cation des plantes d'IRIS à l'aide de réseaux de neurones Le problème concerne l'identi ?cation des espèces de plantes IRIS sur la base de mesures d'attributs de plantes La classi ?cation de l'ensemble des données d'IRIS consisterait à découvrir des modèles à partir de l'examen de la taille des pétales et des sépales de la plante IRIS et à déterminer comment la prédiction a été faite à partir de l'analyse du modèle pour former la classe de la plante IRIS En utilisant ce modèle et cette classi ?cation les données inconnues pourront être prédites avec plus de précision dans les années à venir Les réseaux neuronaux arti ?ciels ont été appliqués avec succès à des problèmes de classi ?cation de modèles d'approximations de fonctions d'optimisation et de mémoires associatives Dans ce travail les réseaux multicouches à alimentation directe sont formés à l'aide d'un algorithme d'apprentissage par rétropropagation Mots clés - Réseau neuronal arti ?ciel optimisation des essaims de particules apprentissage machine rétropropagation IRIS I INTRODUCTION Nous considérons l'optimisation des essaims de particules comme une forme de vie A de niveau intermédiaire ou un algorithme dérivé de la biologie occupant l'espace dans la nature entre les recherches évolutionnaires qui nécessite un traitement neural qui se produit à l'ordre de la milliseconde L'optimisation sociale se produit dans le cadre temporel de l'expérience ordinaire - en fait il s'agit d'une expérience ordinaire Outre ses liens avec A-life l'optimisation des essaims de particules a des liens évidents avec le calcul évolutif Conceptuellement elle semble se situer quelque part entre les algorithmes génétiques et la programmation évolutionniste Nous décrivons ici l'utilisation des réseaux neuronaux à propagation arrière BPNN pour l'identi ?cation des plantes d'iris sur la base des mesures suivantes longueur des sépales largeur des sépales longueur des pétales et largeur des pétales Il y a une comparaison de l'aptitude des réseaux neuronaux avec les données d'entrée normalisées par la