خه بات سلطانیان - دانشگاه کردستان- گروه مهندسی نرم افزار و فناوری اطلاعات
فردین احمدی زر - دانشگاه کردستان - گروه مهندسی صنایع
فردین اخلاقیان طاب - دانشگاه کردستان- گروه مهندسی نرم افزار و فناوری اطلاعات

طراحی معماری و آموزش وزن های شبکه عصبی مصنوعی در کارایی شبکه عصبی تاثیر زیادی دارد و معمولا به تجربه فرد خبره نیاز داد . در این مقاله روشی برای طراحی معماری و اوزان شبکه عصبی ارائه شده است که نیاز به فرد خبره را به حداقل می ساند. این روش با اضافه کردن قابلیت هرس کردن ارتباطات و نودهای شبکه عصبی به الگوریتم استراتژی تکاملی ، امکان طراحی همزمان معماری شبکه با آموزش وزن های شبکه عصبی را فراهم کرده است این روش با یکی از جدید ترین الگوریتم ها مورد مقایسه قرار گرفته است. برای مقایسه این دو روش از چهار مجموعه داده ای دسته بندی استفاده شده است. دقت دسته بندی شبکه عصبی تولید شده بر روی این مجموعه داده ها معیار مقایسه می باشد. در سه مورد از چهار مجموعه داده ای استفاده شده ، روش ارائه شده بر روش مورد مقایسه برتری دارد. یکی دیگر از مزیت های این روش سادگی پیاده سازی آن است.

استراتژی های تکاملی ، تکامل شبکه های عصبی مصنوعی ، مسئله دسته بندی