| LEADER |
05499nam a2200325 4500 |
| 001 |
1543060 |
| 041 |
|
|
|a eng
|
| 100 |
|
|
|9 664453
|a سعاده، محمد خالد محمد
|e مؤلف
|g Saadeh, Mohammed
|
| 245 |
|
|
|a Empirical Evaluation of Homogeneous and Heterogeneous Ensembles of Evolutionary Neural Networks
|
| 246 |
|
|
|a التقييم التطبيقي للتجميعات المتجانسة وغير المتجانسة للشبكات العصبية التطورية
|
| 260 |
|
|
|a عمان
|c 2017
|
| 300 |
|
|
|a 1 - 108
|
| 336 |
|
|
|a رسائل جامعية
|
| 502 |
|
|
|b رسالة ماجستير
|c الجامعة الاردنية
|f كلية الدراسات العليا
|g الاردن
|o 15469
|
| 520 |
|
|
|a عملية التصنيف تعتبر خطوة مهمة وحرجة في عملية تعديل البيانات في تعليم الالة. من بين الكثير من التقنيات الموجودة استخدام خوارزمية الانحدار النسبي في الخلايا العصبية أظهر تأثير وزيادة كبيرة في دقة عملية التصنيف وذلك لسهولة تنفيذ واعتماده على القليل من المتغيرات التي تحتاج إلى التعديلات البسيطة، ولكن هذه التقنية لهل بعض السيئات مثل كونها بطيئة وغير عملية في المشاكل المعقدة. من جهة أخرى خوارزميات الأدلة العليا قدمت تحسين كبير جدا في عملية التصنيف وزادة دقته. خوارزميات الأدلة العليا تستخدم بكثرة في المشكلات المعقدة ومتعددة الخطوات الاندماجية. ومحبب استخدامها مقارنتا مع التقنيات الأخرى عند الحاجة للوصول إلى الحل شبه المثالي ولكنها غير محبذه في حالات الحل السيء من ناحية المثالية وأيضا بسبب العدد الكبير من التكرارات لكي تضمن الحل الأمثل. بالإضافة إلى ذلك، المعلومات حول بنية الخلايا العصبية يجب أن تكون مقدمة مسبقا لكي تحل المشكلة بكفاءة. في الأبحاث الحديثة تقنية التجميع استخدمت بالدمج مع خوارزميات الأدلة العليا لتدريب الخلايا العصبية لتأثيرها الممتاز في زيادة دقة عملية التصنيف، لذلك، في هذه الرسالة تم بناء نموذجين اعتمادا على تقنية التجميع هما النموذج المتجانس (HOM) والنموذج غير المتجانس (HEM). في النموذج المتجانس تم استخدام التعبئة المتجمعة لتقسيم البيانات على خلايا عصبية متعددة تم تدريبها باستخدام محسن أدلة عليا واحد على مجموعات البيانات الفرعية التي تم إنتاجها في مرحلة التعبئة ثم تم استخدام التحقق من الصحة لاختيار أفضل الخلايا العصبية لاستخدامها في عملية التجربة على البيانات الأصلية أخيرا، تم استخدام التصويت لتجميع النتائج لكي يتم حساب الدقة. تم استخدام نفس الخطوات في النموذج غير المتجانس ولكن مع اختلاف واحد وهو استخدام أكثر من محسن في تدريب أكثر من خلية عصبية بدلا من محسن واحد. تم بناء هاذان النموذجان وتمت تجربتهما على تسع مجموعات من بيانات وتمت مقارنتهما مع بعضهما البعض وأيضا تمت مقارنتهما مع نموذج غير مجمع (منهج تصنيف واحد). أظهرت النتائج أن النموذج المتجانس حصل على أعلى نتيجة من ناحية الدقة في ثمان مجموعات من البيانات من أصل تسع مجموعات. أما بالنسبة إلى النموذج غير المتجانس كل نتائجه كانت بالوسط بين أفضل وأسوء نتيجة من النموذجين الأخرين وذلك بسبب إعطاء جميع المحسنات نفس قيمة التصويت، مقارنة مع النموذج غير التجميعي قام النموذج التجميعي بزيادة دقة التصنيف في بعض مجموعات البيانات لغاية 20%.
|
| 653 |
|
|
|a الشبكات العصبية
|a الذكاء الاصطناعي
|a التجميعات المتجانسة
|a الخلايا العصبية
|a الخوارزميات البيانية
|
| 700 |
|
|
|a سليط، عزام
|g Sleit, Azzam T.
|e مشرف
|9 48539
|
| 856 |
|
|
|u 9802-001-008-15469-T.pdf
|y صفحة العنوان
|
| 856 |
|
|
|u 9802-001-008-15469-A.pdf
|y المستخلص
|
| 856 |
|
|
|u 9802-001-008-15469-C.pdf
|y قائمة المحتويات
|
| 856 |
|
|
|u 9802-001-008-15469-F.pdf
|y 24 صفحة الأولى
|
| 856 |
|
|
|u 9802-001-008-15469-1.pdf
|y 1 الفصل
|
| 856 |
|
|
|u 9802-001-008-15469-2.pdf
|y 2 الفصل
|
| 856 |
|
|
|u 9802-001-008-15469-3.pdf
|y 3 الفصل
|
| 856 |
|
|
|u 9802-001-008-15469-4.pdf
|y 4 الفصل
|
| 856 |
|
|
|u 9802-001-008-15469-5.pdf
|y 5 الفصل
|
| 856 |
|
|
|u 9802-001-008-15469-R.pdf
|y المصادر والمراجع
|
| 930 |
|
|
|d y
|
| 995 |
|
|
|a Dissertations
|
| 999 |
|
|
|c 1245207
|d 1245207
|
