:: برچسب‌ها: اتوماتاي سلولی یادگیر , اتوماتای یادگیر , اتوماتای یادگیر سلولی , الگوریتم PSO , الگوریتم پرندگان , الگوریتم پی اس او , بهینه سازي جرگه مورچگان , بهینه سازی توده ذرات , شبکه هاي عصبی , شبکه هاي عصبی مصنوعی , کاربردی ازPSO در ریاضیات , هوش جمعی ,
:: بازدید از این مطلب : 114

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

:: برچسب‌ها: آموزش ماشین سود بخشنده , اتوماتای یادگیر , انواع هوش مصنوعی , پایان نامه هوش مصنوعی , چالش های حوزه یادگیری ماشین , چرا یادگیری؟ , داده کاوی , داده کاوی با استفاده از اتوماتای یادگیر , داده کاوی در هوش مصنوعی , دستاوردهای حدید گوگل در زمینه یادگیری ماشین , طبقه بند ,
:: بازدید از این مطلب : 211

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

الگوریتم  PSO یک الگوریتم جستجوی اجتماعی است که از روی رفتار اجتماعی دسته‌های پرندگان مدل شده است. در ابتدا این الگوریتم به منظور کشف الگوهای حاکم بر پرواز همزمان پرندگان و تغییر ناگهانی مسیر آنها و تغییر شکل بهینه‌ی دسته به کار گرفته شد . در PSO، ذرات  در فضای جستجو جاری می‌شوند. تغییر مکان  ذرات در فضای جستجو تحت تأثیر تجربه و دانش خودشان و همسایگانشان است. بنابراین موقعیت دیگر توده  ذرات روی چگونگی جستجوی یک ذره اثر می‌گذارد . نتیجه‌ی مدل‌سازی این رفتار اجتماعی فرایند جستجویی است که ذرات به سمت نواحی موفق میل می‌کنند. ذرات از یکدیگر می‌آموزند و بر مبنای دانش بدست آمده به سمت بهترین همسایگان خود می‌روند اساس کار PSO بر این اصل استوار است که در هر لحظه هر ذره مکان خود را در فضای جستجو با توجه به بهترین مکانی که تاکنون در آن قرار گرفته است و بهترین مکانی که در کل همسایگی‌اش وجود دارد، تنظیم می‌کند.

:: برچسب‌ها: اتوماتاي سلولی یادگیر , اتوماتای یادگیر , اتوماتای یادگیر سلولی , الگوریتم PSO , الگوریتم پرندگان , الگوریتم پی اس او , بهینه سازي جرگه مورچگان , بهینه سازی توده ذرات , شبکه هاي عصبی , شبکه هاي عصبی مصنوعی , کاربردی ازPSO در ریاضیات , هوش جمعی ,
:: بازدید از این مطلب : 164

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0