طراحی و پیاده‌سازی یک دسته‌بندی کننده دادگان سوناری مبتنی بر شبکه عصبی ادراکی چندلایه آموزش دیده شده با الگوریتم بهینه‌سازی گروهی فیل‌ها

Abstract

دسته‌بندی اهداف سوناری به‌دلیل پیچیدگی فیزیکی و شباهت بسیار زیاد کلاتر با اهداف واقعی در سونار فعال، یکی از مسایل چالش‌برانگیز برای پژوهشگران این حوزه است. شبکه‌های عصبی ادراکی چندلایه، یکی از کارآمدترین ابزار در دسته‌بندی اهداف می‌باشند. از آموزش می‌توان به عنوان مهم‌ترین بخش این شبکه‌ها اشاره نمود که دقت دسته‌بندی را تا حد زیادی کنترل می‌نماید. در سال‌های اخیر استفاده از الگوریتم‌های فراابتکاری برای آموزش این نوع شبکه‌ها بسیار مرسوم گشته است. هدف این مقاله، استفاده از الگوریتم بهینه‌سازی گروهی فیل‌ها، برای آموزش شبکه عصبی ادراکی چندلایه به منظور دسته‌بندی اهداف سوناری می‌باشد. در طبیعت فیل‌ها به‌صورت قبیله‌ای زندگی کرده و در هر قبیله یک فیل به‌عنوان رهبر، مسولیت رهبری گروه را بر عهده دارد. همچنین فیل‌های نر نیز بعد از بزرگ شدن، خانواده خود را ترک می‌نمایند. این دو رفتار می‌تواند با دو عملگر: به‌روزرسانی قبیله و جدایی، مدل شود. در این الگوریتم، هر فیل می‌تواند با توجه به جایگاه فعلی خود به‌روز شده و با استفاده از عملگر جدایی، میزان تنوع در جمعیت را بهبود بخشد. به‌منظور درست‌نمایی نتایج، در این مقاله از سه دادگان با میزان پیچیدگی و اندازه مختلف برای شبیه‌سازی استفاده شده است. همچنین عملکرد الگوریتم بهینه‌سازی گروهی فیل‌ها در آموزش شبکه عصبی با نتایج چند الگوریتم دیگر مقایسه می‌گردد. مقایسه نتایج شبیه‌سازی نشان می‌دهند که روش پیشنهادی در این مقاله، دارای دقت دسته‌بندی بالاتر و سرعت همگرایی بیشتر نسبت به دیگر الگوریتم‌های فراابتکاری مورد استفاده در این مقاله می‌باشد. همچنین این مقاله یک راه‌کار برای پیاده‌سازی سخت‌افزاری دسته‌بندی کننده پیشنهادی بر روی تراشه FPGA پیشنهاد می‌نماید.