Оптимізація навчання нейронної мережі за допомогою генетичного алгоритму для текстурної сегментації МРТ – знімків
DOI:
https://doi.org/10.18372/2310-5461.19.5585Ключові слова:
Нейронна мережа, перцептрон, зворотне поширення помилки, генетичний алгоритмАнотація
Проведено аналіз існуючих методів для обробки зображень. Дані рішення дозволяють створити автоматичну систему діагностики захворювань на основі даних, отриманих із знімків магнітно-резонансної томографії. Вимогам системи діагностики задовольняють нейронні мережі на основі трьох - шарового перцептрону. У процесі моделювання в програмному пакеті MatLab v R2007b, були досліджені швидкість навчання мережі від кількості нейронів у прихованому шарі для звичайного методу зворотного поширення помилки та в поєднанні з генетичним алгоритмом. У результаті дослідження з'ясувалося перевага об’єднаного методу для задачі класифікації зображень. Даний метод вдвічі зменшує кількість навчальних впливів та потребує меншої кількості нейронів в прихованому шарі, що значно полегшує архітектуру мережі і зменшує кількість обчислювальних витрат.Посилання
Хайкин С. Нейронные сети: полный курс /
С. Хайкин. — 2-e изд. : пер. с анrл. — М. : Изда-тельский дом «Вильямс», 2006. — 1104 с.
Рутковская Д. Нейронные сети, генетиче-ские алгоритмы и нечеткие системы: пер. с польск. И. Д. Рудинского / Д. Рутковская, М. Пилиньский, Л. Рутковский. — М. : Горячая линия-Телеком, 2006. — 452 c.
Zhen-Guo Che1. Feed-forward neural networks training: a comparison between genetic algorithm and back-propagation learning algorithm / Che1 Zhen-
Guo, Chiang Tzu-An and Che Zhen-Hua // International Journal of Innovative Computing, Information and ControlVolume 7, Number 10, October 2011.
Randall S. Sexton. Toward global optimization of neural networks: a comparison of the genetic algo-rithm and back propagation /. Sexton Randall S, Dorsey Robert E., and John D. Johnson // Songnian et al. BMC Neuroscience 2010
Ahmed Kharat. A Hybrid Approach for Auto-matic Classification of Brain MRI Using Genetic Al-gorithm and Support Vector Machine/ Kharat Ahmed, GasmiKarim // Leonardo Journal of Sciences July-December 2010. — С. 71–82.
Randall S. Sexton and Robert E. Dorsey1. Reli-able Classification Using Neural Networks: A Genetic Algorithm and Backpropagation Comparison.
Dorsey RE. The genetic adaptive neural net-work training (GANNT) for generic feed-forward artificial neural systems / RE Dorsey, JD Johnson, WJ Mayer // School of BusinessAdministration, University of Mississippi, University.
Sexton RS. Optimization ofneural networks: a comparative analysis of the genetic algorithm and simulated annealing / RS Sexton, RE Dorsey, JD Johnson // European Journal of Operational Research 1999; 114:589±601.
Ahmed Kharat. Automated Classification of Magnetic Resonance Brain Images Using Wavelet Genetic Algorithm and Support Vector Machine / Kharat Ahmed, Gasmi Karim, Abid Mohamed // Leo-nardo Journal of Sciences July-December 2011. — Р. 369–374.
Usama A. Badawi1. A Hybrid Memetic Algorithm (Genetic Algorithm andGreat Deluge Local Search) With Back-PropagationClassifier for Fish Recognition / Badawi1 Usama A., Khalil Mutasem, Alsmadi Sari // IJCSI International Journal of Computer Science Issues, Vol. 10, Issue 2, No 1, March, 2013.
Hiroaki Kitano. Empirical Studies on the Speed of Convergence of Neural Network Training using Genetic Algorithms / Kitano Hiroaki // From: AAAI-90 Proceedings. Copyright ©1999.
JIRI STASTNY*, VLADISLAV SKORPIL*. Genetic Algorithm and Neural Network // Proceedings of the 7th WSEAS International Conference on Applied Informatics and Communications, Athens, Greece, August 24–26, 2007.
Дьяконов В .П. MATLAB 6.5 SP1/7/7 SP1/7 SP2 + Simulink5/6. Инструменты искусственного интеллекта и биоинформатики/ В. П. Дьяконов,
В. В. Круглов. — М. : СОЛОН-ПРЕСС, 2006. —
с.
