این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
International Journal of Nonlinear Analysis and Applications، جلد ۱۴، شماره ۱، صفحات ۸۴۳-۸۵۲
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Adaptive trainer for multi-layer perceptron using artificial gorilla troops optimizer algorithm
چکیده انگلیسی مقاله This paper utilized a newly proposed algorithm based on meta-heuristics for the training of multilayer perceptrons (MLP) that was developed using the idea of artificial gorilla troops optimizers. The precision and consistency of the proposed method's convergence as performance metrics. The Artificial Gorilla Troops Optimizer (GTO) was recently proposed for use in training MLP, and it employs the five most common classification data sets currently available( XOR, balloon, heart Iris, breast cancer) in the California University at Irvine UCI Repository. The newly Optimizers (GTO) are used for the first time as a Multi-Layer Perceptron (MLP) trainer, and its results are compared to those obtained using the more established grey wolf optimization (GWO), the whale optimization algorithm (WOA), and the sine cosine algorithm (SCA). Previously, GTO was used to determine the best weights and biases for the optimal solutions.
کلیدواژه‌های انگلیسی مقاله training MLP, ANN, WOA, SCA, GWO, GTO
نویسندگان مقاله Tuqa Ali Mohamed |
Department of Computer Science, College of Science, University of Diyala, Iraq

Muntadher Khamees Mustafa |
Department of Computer Science, College of Science, University of Diyala, Iraq

نشانی اینترنتی https://ijnaa.semnan.ac.ir/article_6904_3e3904822d4f66b197f64cc553e7a2cc.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات