نجمه یوسفی - دانشجوی کارشناسی ارشد مهندسی کامپیوتر گرایش هوش مصنوعی ، دانشگاه آزاد اسلامی واحد تهران غرب
پیمان بابایی - دپارتمان کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران غرب، تهران، ایران

شبکه عصبی پس انتشار پرکاربردترین مورد استفاده در شبکه های عصبی است که برای حل مسایل واقعی بسیاری به کار گرفته شده است. دقت و کارایی این الگوریتم بستگی به انتخاب وزن های اولیه، تعداد نرون ها، نرخ یادگیری و غیره دارد. از آنجا که شبکه عصبی یک الگوریتم جست و جوی محلی است، بنابراین امکان واقع شدن در مینیم محلی وجود دارد. محققان از شیوه های متفاوتی از جمله استفاده از الگوریتم جست و جوی جمعی و یا تکاملی مانند الگوریتم ژنتیک برای تنظیم پارامترهای شبکه عصبی استفاده کرده اند که بسیار مورد بررسی و استفاده قرار گرفته است. الگوریتم نوظهور هوش کوهورت یک الگوریتم جست و جوی جمعی است که برای بهینه سازی مسایل مورد استفاده قرار میگیرد و نسبت به سایر الگوریتم های هم رده ی خود در بسیاری از مسایل عملکرد بهتر و سریع تری دارد. هدف از این مقاله به کارگیری الگوریتم هوش کوهورت جهت بهینه سازی شبکه عصبی با تعیین وزن های اولیه مناسب و تعداد نرون ها است که پاسخ سریع تر و مناسب تری نسبت به ترکیب شبکه عصبی با الگوریتم ژنتیک -که بسیار مورد توجه قرار گرفته است دارد.

؛ANN-CI، الگوریتم بهینه سازی، شبکه عصبی پس انتشار، هوش کوهورت