TY - JOUR ID - TI - Study of Principle Component Analysis and Learning Vector Quantization Genetic Neural Networks دراسة الشبكات العصبية الجينية والمعتمدة على أساس تحليل المركبات الأساسية والشبكات ذات التعليم ألاتجاهي الكمي AU - Arif A. Al-Qassar AU - Mazin Z. Othman PY - 2009 VL - 27 IS - 2 SP - 321 EP - 331 JO - Engineering and Technology Journal مجلة الهندسة والتكنولوجيا SN - 16816900 24120758 AB - In this work, the Genetic Algorithm (GA) is used to improve the performance ofLearning Vector Quantization Neural Network (LVQ-NN), simulation results show thatthe GA algorithm works well in pattern recognition field and it converges much fasterthan conventional competitive algorithm. Signature recognition system using LVQ-NNtrained with the competitive algorithm or genetic algorithm is proposed. This schemeutilizes invariant moments adopted for extracting feature vectors as a preprocessing ofpatterns and a single layer neural network (LVQ-NN) for pattern classification. A verygood result has been achieved using GA in this system. Moreover, the PrincipleComponent Analysis Neural Network (PCA-NN) which its learning technique isclassified as unsupervised learning is also enhanced by hybridization with the geneticalgorithm. Three algorithms were used to train the PCA-NN. These are GeneralizedHebbian Algorithm (GHA), proposed Genetic Algorithm and proposed HybridNeural/Genetic Algorithm (HNGA).

في هذا البحث تم استخدام الخوارزميات الجينية لتحسين اداء الشبكة العصبية ذات التعليم الاتجاهي الكمي . النتائج التمثيلية كانت جيدة في مضم ار استطلاع البيانات وانها تتوصل الى النتائج بصورة اسرع . تم استخدام خواروميات المنافسة بطريقة العزوم الثابتة للحصول على متجة الصفات كخطوة اولى في تعليم الشبكة الاحادية الطبقة والمعتمدة في تعلمها على الخوروميات الجينية . علاوة على ذلك تم استخدام الشبكة العص بية التي تعتمد على اساس تحليل المركبات الاساسية في تعليم الشبكة بدون مشرف . ثلاثة خوارزميات تم استخدامها وهي الخوارزمية الهيبية العامة واخرى مقترحة ومسندة الخوارزميات الجينية والخوارزمية المدمجة بين الشبكات العصبية والخوارزميات الجينية. ER -