بهینه سازی ماشین بردار پشتیبان با الگوریتم بهینه سازی تجمعی ذرات

(دیدگاه کاربر 2)

199,000 تومان

توضیحات

بهينه‏سازي تجمعي ذرات ، يک تکنيک بهينه‏سازي مبتني برجمعيت است که از حرکت و رفتار اجتماعي گروهي پرندگان و ماهي‏ها ، هنگامي که دنبال غذا مي‏گردند الهام گرفته شده است. اولين بار جميز کندي و راسل سي ابرهارت در سال 1995 روش بهينه‏سازي ازدحام ذرات را ارائه دادند .در الگوريتم بهينه‏سازي تجمعي ذرات، اعضاي جمعيت جواب‏ها، به صورت مستقيم با هم ارتباط دارند و از طريق تبادل اطلاعات، به حل مسئله مي‏رسند. الگوريتم بهينه‏سازي ازدحام ذرات براي انواع مسائل پيوسته و گسسته مناسب مي باشد و پاسخ‏هاي بسيار مناسبي براي مسائل بهينه‏سازي مختلف بدست مي آورد و همچنين در مسائل بهينه‏سازي پارامترهاي سيستم‏هاي هوشمند، نظير آموزش وزن‏هاي شبکه‏هاي عصبي و پارامترهاي سيستم‏هاي فازي مورد استفاده قرار گرفته است. اين استفاده از الگوريتم بهينه سازي تجمعي ذرات به کاربرد اين پايان نامه بسيار نزديک مي باشد و پارامترهاي ماشين بردار پشتيبان هم توسط اين الگوريتم بهينه مي شوند.
هر عضو از جمعيت يا راه حل که ذره نام دارد با يک موقعيت و سرعت اوليه در فضاي جستجوي مسئله براي جستجوي راه حل بهينه پرواز و حرکت مي‏نمايد.در الگوريتم بهينه‏سازي تجمعي ذرات هر ذره ، از حافظه‏اي جهت ذخيره‏سازي بهترين موقعيت مکاني که درحين فرآيند جستجو و حرکت در فضاي جستجو به آن رسيده است، برخوردار مي باشد و به عنوان بهترين تجربه شخصي خود ، آن را به خاطر مي‏سپارد. هر ذره ، اين اطلاعات را براي ديگر ذرات موجود ارسال مي‏نمايد و همچنين آن‏ها نيز مي‏توانند مشاهده نمايند که ديگر ذرات موجود در همسايگي در کجا بهترين موفقيت را داشته‏اند و بدين صورت از بهترين موقعيت در همسايگي خود يا در کل فضاي راه حل‏ها به عنوان بهترين تجربه ي گروهي آگاهي مي يابند. ذرات جمعيت ، در حين فرايند ، با انتقال و تبادل اطلاعات خود به يکديگر و با تنظيم و بهنگام‏سازي سرعت و موقعيت‏هاي خود، در فضاي جستجو حرکت مي‏نمايند. به عبارتي الگوريتم بهينه‏سازي تجمعي ذرات، روش جستجوي محلي را ازطريق تجربه خود ذره با روش‏هاي جستجوي سراسري از طريق تجربه همسايگان ذره ترکيب مي‏نمايد.
هريک از ذرات جمعيت سعي مي‏کنند به سمتي حرکت نمايندکه بهترين تجربه‏هاي شخصي و گروهي در آن نقاط روي داده است.سپس اين ذرات در فضاي جستجو حرکت مي‏نمايند، و نتايج حاصله برمبناي يک معيار شايستگي براساس تابع هدف پس از هر بازه زماني محاسبه مي‏گردد.يک فرايند تکراري با ارزيابي معيار شايستگي ذرات براي بهبود کانديداها به عنوان بهترين تجربه گروهي در طي حرکت ذرات در نظر گرفته شده و با گذشت زمان، ذرات به سمت بهترين تجربه گروهي که داراي معيار شايستگي بالاتري هست، شتاب مي‏گيرند و با تاثير پذيري از بهترين ذره جمعيت ، سرانجام به آن نزديک مي‏شوند.

الگوریتم بهینه سازی تجمعی ذرات Particle Swarm Optimization PSO Algorithm
کد متلب آماده اجرا

2 دیدگاه برای بهینه سازی ماشین بردار پشتیبان با الگوریتم بهینه سازی تجمعی ذرات

  1. میسی

    چرا هیچ گونه توضیحی در مورد این اموزش داده نشده؟ فقط الگوریتم رو توضیح دادید!ای کاش ترکیب ماشین بردار و الگوریتم قورباغه هم میذاشتید

    • ایران متلب

      سلام
      این محصول فقط کد متلب MATLAB می باشد.

  2. fm

    سلام
    ببخشید این برنامه برای دیتاستی که، چند کلاس داشته باشه فقط برا بهینه سازی پارامترهای ماشین بردار پشتیبان هم درست کار میکنه؟ البته برا محاسبه دقت چند کلاسه فرق میکنه می خواستم ببینم برنامه اش برا بهینه سازی پارامترهای بردار پشتیبان هم فرق می کنه؟
    بعد یه فیلم آموزش هم قسمت پایین صفحه خرید داشت ولی کیفیت نداشت این خرید شامل فیلم آموزش نیست؟
    با تتشکر

    • حسن اصغري

      سلام
      متوجه سوال شما به درستی نشدم. این محصول فقط کد متلب می باشد و پارامترهای ماشین بردار پشتیبان چند کلاسه را بهینه سازی می کند.

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

شناسه محصول: mproj20 دسته: ,