In this proposed model, back propag

In this proposed model, back propagation algorithm of neural network is replaced by PSO algorithm. Here the randomly generated weights are assigned in each link of neural network. In particle swarm optimization algorithm, PBest is the location of the best solution of a particle has achieved so far. GBest is the location of the best solution that any neighbor of a particle has achieved so far. Initially random numbers are generated for each particle and these random values are considered as PBest and present weights. Velocity is calculated using Eq. (6) and added with the present weight in each link of neural network. For each particle, the newly calculated weights are compared with the PBest weights and the minimum error produced weights are stored in PBest. Initial velocity V is assumed to be 1 and GBest is the weights of minimum error produced particle. New weight is calculated as in Eq. (7).

ผลลัพธ์ (ไทย) 1:

ในรูปแบบนี้เสนอ เผยแพร่หลังอัลกอริทึมของโครงข่ายประสาทถูกแทนที่ ด้วยอัลกอริทึม PSO ที่นี่มีกำหนดน้ำหนักขึ้นแบบสุ่มในแต่ละการเชื่อมโยงของโครงข่ายประสาท ในอนุภาคฝูงปรับอัลกอริทึม PBest เป็นที่ตั้งของการแก้ปัญหาที่ดีที่สุดของอนุภาคได้รับเพื่อให้ห่างไกล GBest เป็นที่ตั้งของโซลูชั่นดีที่สุดที่ใกล้เคียงใด ๆ ของอนุภาคได้รับจน สร้างเลขสุ่มเริ่มต้นสำหรับแต่ละอนุภาค และค่าสุ่มเหล่านี้ถือเป็น PBest และน้ำหนักปัจจุบัน ความเร็วจะถูกคำนวณโดยใช้ Eq. (6) และเพิ่ม มีน้ำหนักอยู่ในแต่ละการเชื่อมโยงของโครงข่ายประสาท สำหรับแต่ละอนุภาค น้ำหนักคำนวณใหม่จะเปรียบเทียบกับน้ำหนัก PBest และน้ำหนักข้อผิดพลาดน้อยที่สุดที่ผลิตจะถูกเก็บใน PBest ความเร็วเริ่มต้น V จะถือ 1 และ GBest เป็นน้ำหนักของอนุภาคผลิตข้อผิดพลาดน้อยที่สุด มีคำนวณน้ำหนักใหม่ใน Eq. (7)

ผลลัพธ์ (ไทย) 2:

ในรูปแบบที่นำเสนอนี้กลับขั้นตอนวิธีการขยายพันธุ์ของเครือข่ายประสาทจะถูกแทนที่ด้วยขั้นตอนวิธี PSO นี่คือน้ำหนักที่สร้างแบบสุ่มที่ได้รับมอบหมายในแต่ละการเชื่อมโยงของเครือข่ายประสาท ในขั้นตอนวิธีการเพิ่มประสิทธิภาพจับกลุ่มอนุภาค PBest เป็นที่ตั้งของการแก้ปัญหาที่ดีที่สุดของอนุภาคได้ประสบความสำเร็จเพื่อให้ห่างไกล gbest เป็นที่ตั้งของการแก้ปัญหาที่ดีที่สุดที่เพื่อนบ้านของอนุภาคใด ๆ ที่ได้ประสบความสำเร็จเพื่อให้ห่างไกล ตอนแรกตัวเลขสุ่มจะถูกสร้างขึ้นสำหรับแต่ละอนุภาคและค่าสุ่มเหล่านี้ถือว่าเป็น PBest และน้ำหนักปัจจุบัน ความเร็วจะคำนวณโดยใช้สมการ (6) และเพิ่มเข้ามาด้วยน้ำหนักที่อยู่ในการเชื่อมโยงเครือข่ายประสาทแต่ละ สำหรับอนุภาคแต่ละน้ำหนักคำนวณใหม่จะถูกเมื่อเทียบกับน้ำหนัก PBest และข้อผิดพลาดขั้นต่ำผลิตน้ำหนักจะถูกเก็บไว้ใน PBest V ความเร็วเริ่มต้นจะถือว่าเป็นที่ 1 และ gbest เป็นน้ำหนักของข้อผิดพลาดน้อยที่สุดผลิตอนุภาค น้ำหนักใหม่ล่าสุดที่มีการคำนวณเช่นเดียวกับในสมการ (7)

ผลลัพธ์ (ไทย) 3:

ในแบบจำลอง , ขั้นตอนวิธีของโครงข่ายประสาทเทียมชนิดแพร่กลับถูกแทนที่ด้วยวิธีระบบ . ที่นี่สร้างขึ้นแบบสุ่มน้ำหนักได้รับมอบหมายในแต่ละการเชื่อมโยงโครงข่ายประสาทเทียม . ในฝูงอนุภาคเพิ่มประสิทธิภาพของขั้นตอนวิธี pbest เป็นที่ตั้งของโซลูชั่นที่ดีที่สุดของอนุภาคที่ได้รับเพื่อให้ห่างไกล gbest เป็นที่ตั้งของทางออกที่ดีที่สุดที่เพื่อนบ้านของอนุภาคที่ได้รับเพื่อให้ห่างไกลตัวเลขสุ่มเริ่มต้นถูกสร้างขึ้นสำหรับแต่ละอนุภาคและค่าสุ่ม เหล่านี้ถือว่าเป็น pbest และน้ำหนักปัจจุบัน ความเร็วคำนวณโดยใช้อีคิว ( 6 ) และเพิ่มน้ำหนักปัจจุบันในแต่ละการเชื่อมโยงโครงข่ายประสาทเทียม . สำหรับแต่ละอนุภาค คำนวณน้ำหนักใหม่เปรียบเทียบกับน้ำหนัก pbest และความผิดพลาดน้อยที่สุดผลิตน้ำหนักจะถูกเก็บไว้ใน pbest .ความเร็วเริ่มต้นที่ 5 จะถือว่าเป็น 1 และ gbest คือน้ำหนักของข้อผิดพลาดน้อยที่สุดผลิตอนุภาค น้ำหนักใหม่คำนวณในอีคิว ( 7 )