يهدف هذا البحث للحصول على نموذج عصبوني لفئة من النظم الخطية و اللاخطية و ذلك باستخدام خوارزمية البرمجة التطورية Evolutionary programming(EP لاختيار التركيب البنيوي الأمثل للشبكة العصبونية. استخدمنا برنامج ماتلاب Matlab لتصميم الشبكات العصبونية باستخدام EP, لما يملك من مرونة و سهولة في تمثيل المصفوفات (الأنساق الخلوية Cell Arrays و الأنساق متعددة الأبعادMulti Dimension Arrays ). و قد أثبتت النتائج العملية كفاءة الخوارزمية المستخدمة في الوصول إلى شبكة عصبونية مثلى.
تم اختبار أداء و صلادة النموذج الناتج و ذلك بحذف إحدى عصبونات الطبقة المخفية للشبكة التي نتجت عن تطبيق EP و دراسة تأثير هذا الحذف على خرج النموذج الناتج, و قد أكدت الدراسة على فعالية الخوارزمية و ذلك بالنسبة لفئة النظم المستخدمة.
This study aims to design a neural model for a linear or nonlinear systems by using an Evolutionary Programming algorithm (EP) to choose the optimal structural construction for the network. We have used Matlab to design Neural Networks using (EP), because of its flexibility and ability to represent matrices (Cell Arrays, Multi Dimension Arrays). The experimental results confirm the efficiency with which this algorithm (EP) obtains the optimal network. We have tested the algorithm performance and the resulting model robustness by canceling one of the hidden layer nodes of the best net resulting from applying (EP). The effectiveness of that canceling on the resulting model output is also tested, and this study has shown the efficiency of the algorithm (EP) for the class of systems used.
المراجع المستخدمة
CANGELOSI, A;ELMAN, J.L. Gene regulation and biological development in neural networks :an exploratory model. Technical Report, CRL-UCSD, University of California San Diego, 1995
HAYKIN, S. Neural Networks :A Comprehensive Foundation. 2nd, Ed, London, prentice-Hall, 1999
FUJITA, O. statistical estimation of the number of hidden units for feed forward neural networks. neural networks11(5), 1988, 851-859
MONTANA, D; DAVIS, L. Training feed forward neural networks using genetic algorithms. In: Proceedings of the 11th International Joint Conference on AI, Detroit, MI, 1989,762–767
KITANO, H. Designing neural networks using genetic algorithms with graph generation system.Complex Systems4(4), 1990, 461–476