اعلام جامعة بابل | رسالة ماجستير تناقش تطوير خوارزميات التحسين الرياضي في الشبكات العصبية

رسالة ماجستير تناقش تطوير خوارزميات التحسين الرياضي في الشبكات العصبية

نشر بواسطة : نادية جاسم حسين

تاريخ الخبر : 23/7/2023

عدد المشاهدات : 313

رسالة ماجستير في العلوم الصرفة تناقش تطوير خوارزميات التحسين الرياضي في الشبكات العصبية
الاء الطائي
نوقشت في كلية التربية للعلوم الصرفة جامعة بابل رسالة ماجستير للطالبة وئام عباس عبيد مطر,قسم الرياضيات الموسومة : ( تطوير خوارزميات التحسين الرياضي في الشبكات العصبيةDevelopment of The Mathematical Optimization Algorithms for The Neural Networks)بأشراف الاستاذ المساعد الدكتور احمد صباح احمد, و هي جزء من متطلبات نيل درجة الماجستير في التربية / الرياضيات.
بينت الباحثة من خلال الدراسة ان الشبكات العصبية الاصطناعية هي منهجية حديثة ومتطورة جذبت اهتمام العديد من الباحثين في مختلف المجالات، بما في ذلك الهندسة وتكنولوجيا المعلومات والطب والإحصاء وبحوث العمليات، وتكتسب أهمية متزايدة نظرا لمرونتها الكبيرة مقارنة بالطرق التقليدية، فضلا عن قدرتها على التعلم والتكيف مع أي نموذج, وعادة ما يتم تدريب الشبكات العصبية باستخدام طرق قائمة على التدرج لمحاولة تقليل دالة التكلفه، حيث يقوم النموذج بضبط وزنه ومنحدره، بالاعتماد على دالة التكلفة والتعلم المعزز (التعلم الخاضع للإشراف) للوصول إلى نقطة التقارب (القيمة المثلى).
تضمنت الدراسة جانبين، الأول هو دراسة الشبكات العصبية الخطية من أبسط الأنواع (التنبؤ الخطي والمتعدد واللوجستي) باستخدام خوارزمية نزول التدرج التكراري والمعادلة العادية كنهج تحليلي للتحسين أو كبديل لنزول التدرج من أجل تقليل دالة التكلفة أو الوصول إلى نقطة التقاء الحد الأدنى.
أما بالنسبة للجانب الآخر من الدراسة، فقد تم التعامل مع كيفية تدريب النموذج بطريقة الانتشار العكسي ، ويتم ذلك عن طريق بناء خوارزميات الشبكات العصبية من خلال دراسة وتحليل الأحداث التي حدثت بالفعل وتخزينها في السجلات السابقة في قواعد البيانات ثم مقارنة التنبؤات الناتجة من الشبكة العصبية بالقيم الحقيقية يتم تطوير معلمات الشبكة وتحديثها بقيم أكثر دقة، الخوارزميات هي (الزخم، نيستيروف، أداغراد، أدادلتا، رمسبروب وآدم) بعد تحديد قيم المعلمات الفائقة وتطبيق الخوارزميات على النموذج, قارنا قيم الدالة الموضوعية واتضح أن آدم يدرب النموذج جيدا لأنه يعتمد على مراكز القوة في الخوارزميات السابقة واستخدمنا بايثون للحصول على النتائج.