research centers


Search results: Found 2

Listing 1 - 2 of 2
Sort by

Article
Automatic Construction of General Non-Recurrent Neural Network Using Genetic Programming
البناء الألي للشبكات العصبية العامة ذات التغذية الأمامية بأستخدام البرمجة الجينية

Author: Noora A. Al-Saidi
Journal: Al-Rafidain University College For Sciences مجلة كلية الرافدين الجامعة للعلوم ISSN: 16816870 Year: 2009 Issue: 24 Pages: 88-112
Publisher: Rafidain University College كلية الرافدين الجامعة

Loading...
Loading...
Abstract

An Artificial Neural Network (ANNs) is a model that has been studied for many years in the hope of achieving human like performance. It was used in many applications like (pattern recognition, signal processing, vision, speech recognition, and decisions making aids and robotics).There are many types of ANNs, most of these types are suffering from some problems such as Convergence, Design and some of these ANNs cannot solve the non-linear problems.Since Genetic Programming (GP) is a machine learning technique used in the automatic induction of computer programs, therefore we used it as automatic system for designing and implementing ANNs trying to overcome the previous problems.In this paper we proposed an approach to build ANNs based on evolutionary computation, which uses the GP to evolve both the architecture and weights of General non-recurrent NN simultaneously. New GP modification operations were proposed which are (structure-preserving crossover, structure-preserving mutation, and structure-preserving permutation), these modification operations have clear effects in improving the results of the proposed system.The proposed system has been used in solving five simple problems which are (AND, OR, NOT, Exclusive-OR, and Half-Adder) problems. In addition, we compare the results of the proposed system with Koza work and with three major types of supervised ANNs, which are (Perceptron, Back-Propagation, and Adaline).

الشبكات العصبية الاصطناعية هي عبارة عن نموذج تم دراسته خلال سنين طويلة أملاً للوصول به لكفاءة الإنسان ، و تم استخدام هذا النموذج في الكثير من التطبيقات مثلاً ( تمييز الأنماط ، معالجة الإشارات ، الرؤيا في الحاسبات ، تمييز الأصوات ، أنظمة اتخاذ القرارات ، و في الإنسان الآلي ).يوجد هناك أنواع كثيرة من الشبكات العصبية الاصطناعية و لكن أكثر أنواعها يعاني من بعض المشاكل مثل مشكلة التقرب للحل و مشكلة التصميم و بعض هذه الشبكات لا يمكن استخدامها لحل المشاكل اللاخطية.لكون البرمجة الجينية تمثل ماكنة تعلم تستخدم في البناء الآلي لبرامج الحاسوب لذلك قمنا باستخدامها كنظام آلي لتصميم و بناء الشبكات العصبية الاصطناعية لحل المشاكل السابقة و التي ذكرت اعلاه.في هذا البحث تم اقتراح وسيلة جديدة لبناء الشبكات العصبية الاصطناعية معتمدةً على استخدام البرمجة الجينية لتعديل كل من معمارية و أوزان الشبكات العصبية الاصطناعية في نفس الوقت.تم اقتراح عمليات جديدة تخص البرمجة الجينية في هذا البحث و هي ( Structure-preserving Crossover ) و ( Structure-preserving Mutation ) و ( Structure-preserving Permutation ) . و قد اتضح تأثيرها الإيجابي في عملية تحسين نتائج النظام المقترح.تم استخدام النظام المقترح لحل خمسة مشاكل و هي ( AND, OR, NOT, XOR, HALF-ADDER ) بالإضافة إلى ذلك تمت مقارنة النتائج المستحصلة من النظام مع نتائج عمل ( Koza ) و مع ثلاث أنواع رئيسية من الشبكات العصبية الاصطناعية و هي ( Perceptron, Back-Propagation, and Adaline ).


Article
دراسة رياضية تحليلية لخوارزميات الشبكات العصبية الاصطناعية في ملاءمة نموذج للتشخيص الطبي

Authors: عمر صابر قاسم --- إسراء رستم محمد
Journal: AL-Rafidain Journal of Computer Sciences and Mathematics مجلة الرافدين لعلوم الحاسوب والرياضيات ISSN: 18154816 Year: 2013 Volume: 10 Issue: 1 Pages: 183-194
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

In this research discuss the concept of appropriate form, by examining mathematical behavior for three models represent neural networks are (GRNN, BPNN, PNN), were applied two types of medical data are (osteoporosis and weaknesses auditory) and different in the way of classification and spaces Input and output, and show through the application of these data and suitability models with neural networks in terms of the Domain and Range the network (PNN) is the best in the diagnosis of audio data through average MSE, and network (GRNN) is better diagnose bone crisp data (which are more complex) and the network (BPNN) is the most generalization, especially when test data are large compared with the training data.

تم في هذا البحث مناقشة مفهوم ملاءمة النموذج، وذلك بدراسة السلوك الرياضي لثلاثة نماذج تمثل شبكات عصبية هي (GRNN, BPNN, PNN)، كما تم تطبيق نوعين من البيانات الطبية هما (وهن العظام والضعف السمعي) ومختلفين في طريقة التصنيف وفضاءات الإدخال (Input) والإخراج (Output), وتبين من خلال تطبيق هذه البيانات وملاءمتها مع نماذج الشبكات العصبية الاصطناعية من حيث المنطلق (Domain) والمدى (Range) إن شبكة (PNN) هي الأفضل في تشخيص أنماط البيانات السمعية من خلال معدل (MSE)، وان شبكة (GRNN) هي الأفضل في تشخيص أنماط بيانات وهن العظام (التي تكون أكثر تعقيدا) وان شبكة (BPNN) هي الأكثر عمومية (Generalization) خصوصاً عندما تكون أنماط بيانات الاختبار كبيرة مقارنة مع أنماط بيانات التدريب.

Listing 1 - 2 of 2
Sort by
Narrow your search

Resource type

article (2)


Language

Arabic (1)

English (1)


Year
From To Submit

2013 (1)

2009 (1)